Caffe入门： group参数理解

        caffe Convolution层的convolution_param参数字典中有一个group参数，其意思是将对应的输入通道与输出通道数进行分组，比如输入数据大小为90x100x100x32，90是数据批大小，100x100是图像数据shape，32是通道数，要经过一个3x3x48的卷积，group默认是1，就是全连接的卷积层，如果group是2，那么对应要将输入的32个通道分成2个16的通道，将输出的48个通道分成2个24的通道。对输出的2个24的通道，第一个24通道与输入的第一个16通道进行全卷积，第二个24通道与输入的第二个16通道进行全卷积。极端情况下，输入输出通道数相同，比如为24，group大小也为24，那么每个输出卷积核，只与输入的对应的通道进行卷积。

       caffe官网原话是：group (g) [default 1]: If g > 1, we restrict the connectivity of each filter to a subset of the input. Specifically, the input and output channels are separated into g groups, and the i-th output group channels will be only connected to the i-th input group channels.

 

下面分享几个网友的问题，更深入地理解group。

1、分成几个group后，是按照group1,group2,...这样串行的计算以后再把结果传到下一层，还是这几个group是并行计算后，再把结果传到下一层？

答：串行和并行看你怎么计算，用cpu就是串行计算后将结果综合；并行计算也是gpu计算后将计算结果进行综合。

2、对于输入的一个feature_map和输出的feature_map 原本输出的特征图都是由原来的所有通道做全连接(加权)得到的，现在group后只与input_dim/group个有关？

答：输出也要进行group，group后output_dim/group的feature map只与对应的input_dim/group的feature map相连（如果不懂，仔细阅读第一段话）。