我有一个像这样的原型：

name: "CaffeNet"
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mirror: true
    crop_size: 100
    mean_file: []

但我在lmdb中的图像大小是100X200，使这个网络工作的唯一方法是将 crop_size 设置为 100 ，Caffe是否破坏了我的图像并从中心裁剪出来？有没有办法解决它？什么我删除作物大小？

PS ：如果我删除裁剪尺寸，我会得到

源param形状是4096 3072（12582912）;目标参数形状是4096 1024（4194304）

我看到this问题，但没有提交我的计算每个图层输出，我们只为完全连接的图层定义 num_output .

虽然每层的输出计算不是很难：

output_net =（input_net（2 * pad）-kernel_size）/（stride 1）* num_output（或fillters）

data(100X200X3)
conv1(((100X200X3)+(2*0)-11)/(4+1)) * 96 = ((60000 -11) /5) * 96 = 1151788.8
pool1((input_net+(2*0)-3)/(2+1))         = (1151788.8 -3) /3 = 383928.6
conv2((input_net+(2*2)-5)/(1+1)) * 256   = ((383928.6 + (4) -5) /5) * 256 = ((383928.6 + -1) /5) * 256 = 19657093.12
pool2((input_net+(2*0)-3)/(2+1))         = (19657093.12 -3) /3 = 6552363.373333333
conv3((input_net+(2*1)-3)/(1+1)) * 384   = ((6552363.373333333 + (2) -5) /2) * 384 = 3276180.186666667 * 384 = 1258053191.679999936
conv4((input_net+(2*1)-3)/(1+1)) * 384   = ((1258053191.679999936 + (2) -5) /2) * 384 = 629026594.339999968 * 384 = 241546212226.559987712
conv5((input_net+(2*1)-3)/(1+1)) * 256   = ((241546212226.559987712 + (2) -5) /2) * 256 = 120773106111.779993856 * 256 = 3.091791516×10¹³

我怎样才能从这里开始正确的网络？而caffe说12582912，但它不是在我计算之后 . 如果我计算得对 .

deep-learning caffe