在Alex Krizhevsky等人中。利用深层卷积神经网络对图像网络进行分类，它们会枚举每层神经元的数量（请参见下图）。
网络的输入为150,528维，网络其余层的神经元数量为253,440–186,624–64,896–64,896–43,264– 4096–4096–1000。
3D视图
第一层之后所有层的神经元数量是清楚的。一种简单的计算神经元的方法是简单地乘以该层的三个维度（planes X width X height）：
- 第2层：
27x27x128 * 2 = 186,624 - 第3层：
13x13x192 * 2 = 64,896 - 等等
但是，看一下第一层：
- 第1层：
55x55x48 * 2 = 290400
请注意，这与论文中所指定的不 253,440一样！
计算输出大小
计算卷积输出张量的另一种方法是：
如果输入图像是3D张量
nInputPlane x height x width，输出图像尺寸将是nOutputPlane x owidth x oheight，其中
owidth = (width - kW) / dW + 1
oheight = (height - kH) / dH + 1。
（来自Torch SpatialConvolution文档）
输入图像为：
nInputPlane = 3height = 224width = 224
卷积层是：
nOutputPlane = 96kW = 11kH = 11dW = 4dW = 4
（例如，内核大小11，步幅4）
插入这些数字，我们得到：
owidth = (224 - 11) / 4 + 1 = 54
oheight = (224 - 11) / 4 + 1 = 54
因此，我们55x55与纸张匹配所需的尺寸还不足。它们可能是填充的（但是cuda-convnet2模型将填充明确设置为0）
如果我们采用54-size维数，则会得到96x54x54 = 279,936神经元-仍然太多。
所以我的问题是这样的：
他们如何为第一卷积层获得253,440个神经元？我想念什么？
你有解决过这个吗？只是为了您的计算学究：宽度和高度实际为54.25。我试图弄清楚这一点，第一步是将假设的253440个神经元分配到96个过滤器中，每个过滤器产生2640个神经元。这不是平方数。所以我们俩在这里都有误会，或者作者可能有错……您是否与他们联系？
—
anderas
和我一样，这让我很困惑。顺便说一句，输入是224x224x3是真的吗？我认为必须是227x227x3。让我们看看是否有227x227，左上方的5个单元格和最后一个右侧的5个单元格不能是大小为11x11的内核卷积的中心。因此，内核的第一个中心是单元格（6,6），第一行的中心内核的最后一个单元格是cell（6x222）。使用stride-4时，我们将获得第6行的内核中心：列：6,10,14，...，222上的单元格，而将k中心的简单公式表示为column = 6+（k -1）* 4，使得柱222是第k个中心=（222-6）/ 4 + 1 = 55
请注意，48 * 48 * 55 * 2 = 253440，因此在计算第一层中的神经元数量（乘以48而不是55）时，它们可能会出现拼写错误。
—
tsiki 2015年
@Firebug这是[references]标签的有趣用法。我认为，我们仅使用它的疑问问了引用。但是也许我错了。您使用其他方式吗？
—
变形虫说恢复莫妮卡