在Tensorflow-contrib中，2D卷积是根据filter_size和num_outputs定义的。你如何控制Theano的nnet.conv2d类型的num_outputs？
简短的回答：它必须在运行时根据过滤器张量的形状确定。
与TF不同，Theano不会在张量中存储显式的形状信息。
在 TF 中，您可以执行以下操作：
w = tf.placeholder('float32', [64,64], name='w')
在 Theano 中，无法在编译时判断x是一个64 x 64矩阵。你能做的最好的事情就是：
w = T.matrix(name='w', dtype='float32')
在编译时，Theano只知道张量秩，以及哪些维度是可广播的。
在运行时，张量的形状是已知的。如果图像批处理是形状[N, C, H, W]的 4D 张量，而过滤器的大小为[D, C, U, V]。num_outputs将推断为D.
编辑实际上你可以在theano.tensor.nnet.conv2d中指定filter_shape参数，但它只是为Theano选择卷积的最佳算法提供了一个提示。形状不匹配错误仍必须在运行时确定。