我发现了这篇文章，它直观地解释了卷积网络的工作原理。

现在我试图理解Caffe卷积层内部到底发生了什么：

输入数据形状为1 x 13 x 19 x 19，使用128个滤波器的卷积层：

layers {  name: "conv1_7x7_128"  type: CONVOLUTION  blobs_lr: 1.  blobs_lr: 2.  bottom: "data"  top: "conv2"  convolution_param {    num_output: 128    kernel_size: 7    pad: 3    weight_filler {      type: "xavier"      }      bias_filler {      type: "constant"      }    }}

如果我理解正确的话，层的输出形状是1 x 128 x 19 x 19。

查看层权重的形状在net->layers()[1]->blobs()中：

layer  1: type Convolution  'conv1_7x7_128'  blob 0: 128 13 7 7  blob 1: 128

看起来blob 0包含了所有的权重：每个滤波器（128个）每个平面（13个）有一个7×7的矩阵。

如果我理解正确的话，使用blob 0对1 x 13 x 19 x 19数据进行卷积运算，最终得到128 x 13 x 19 x 19的输出（由于有填充，每个7×7矩阵为每个像素产生一个数）。

• 128 x 13 x 19 x 19如何转变成层的1 x 128 x 19 x 19输出？

• blob 1中的128个权重是什么？

附加问题：blobs_lr是什么？

回答：

您引用的是Caffe的旧版本prototxt格式。调整为新格式后，您将得到

layer {  # 使用layer而不是layers  name: "conv1_7x7_128"  type: "Convolution"  # 类型作为字符串  param { lr_mult: 1. }  # 代替blobs_lr  param { lr_mult: 2. }  # 代替blobs_lr   bottom: "data"  top: "conv2"  convolution_param {    num_output: 128    kernel_size: 7    pad: 3    weight_filler {      type: "xavier"      }      bias_filler {      type: "constant"      }    }}

如果您的输入数据shape为1 x 13 x 19 x 19，这意味着您的batch_size为1，您有13个通道，空间维度为19 x 19。
应用128个7 x 7的滤波器（每个滤波器应用于所有13个输入通道）意味着您有128个shape为13 x 7 x 7的滤波器（这是您的第一层参数的shape）。应用每个滤波器会得到一个单一的输出通道1 x 1 x 19 x 19，由于您有128个这样的滤波器，最终得到1 x 128 x 19 x 19的输出。

第二层的参数是偏置项——对每个滤波器结果的加性标量。您可以通过添加

bias_term: false

到您的层的convolution_param中来关闭偏置项。

您可以在这里阅读更多关于卷积层的介绍。

至于附加问题，Eliethesaiyan已经在他的评论中很好地回答了这个问题。