提取训练后Caffenet权重存疑：conv1输出96通道为何conv2仅用48？

嘿，这个问题抓得很准！你完全没漏掉关键细节，这其实是CaffeNet继承自AlexNet的**分组卷积（Grouped Convolution）**设计，当年是为了适配双GPU训练场景而生的。

具体来说：

• conv1输出的96个特征通道被平均拆成了两个独立的分组，每组48个通道
• conv2的卷积核也对应分成了两组，每组包含256个卷积核；每组核只会和conv1输出的其中一组48通道做卷积运算，所以权重维度里的输入通道数是48
• 这种设计在当年的硬件条件下，能把两组计算任务分配到两个GPU上并行处理，既节省单GPU的显存占用，又能提升训练速度

你看后面的conv4也有同样的规律：conv3输出384通道，conv4的权重输入通道是192，也是把384通道拆成两组192来做分组卷积的结果。

简单总结下：CaffeNet的这些卷积层实际输入通道数是你看到的权重输入通道数的2倍，只是通过分组卷积的方式拆分计算了，所以权重维度里只体现单组的输入通道数～

内容的提问来源于stack exchange，提问作者sunjeet95