无法在火炬中的空间卷积中找出ninputplane？

Question

空间卷积的文献将其定义为

module = nn.SpatialConvolution(nInputPlane, nOutputPlane, kW, kH, [dW], [dH], [padW], [padH])

ninputplane：给出的图像中的预期输入平面的数量（）。

NOUTPUTPLANE：卷积层将产生的输出平面数。

我没有火炬的经验，但我想我在喀拉斯

Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256))

它以输入为输入RGB中的图像形状为256*256。

我已经阅读了在割炬中的空间卷积的用法，如下所示，但无法弄清楚ninputplane和noutputplane paramter与什么相对应？

local convLayer = nn.SpatialConvolutionMM(384, 384, 1, 1, 1, 1, 0, 0)

在上面的代码中，这384,384代表什么？

Answer 1

ninputplane是输入图像的深度或层数。对于RGB图像，这应该是3 input_shape=(3, 256, 256).

NOUTPUTPLANE是卷积步骤将产生的卷层的数量，这也是应用于输入的过滤器/内核的数量。按照惯例，每个过滤器都有一个输出层。这对应于 Convolution2D 功能。