caffe在test的时候，blob的capacity_这个值是初始化是根据deploy的h和w来确定的，在真正开始跑的时候，可能test的时候输入尺寸并不是deploy的大小，比这个大小小的时候，在reshape之后，由于count_的值小于capacity_导致capacity_并不更新，从而在分配显存的时候，总是对不上，感觉显存多分配了。这是在图像超分遇到的问题，如果不存在这个用法，也就是说，处理的图像严格按照deploy的输入大小来run的话，就没问题。同样caffe处理使用了空间换时间的方式，图像转成向量，向量与kernel进行并发得到的结果还是向量，同样会使用更多的向量来接收处理结果，这些处理结果还会重组成最终的图像featuremap，所以中间会使用很多的显存，举个例子，bottom是1×64×108×132，top是1×32×54×66；kernel大小是5；那么首先会将bottom的图像转成适合当前kernel的向量，这么多像素（108×132×64）个5×5的向量，这就是图像转成向量的使用gpu进行多发机制的向量，同样接受的向量需要66×32×64×32这么多像素个接收向量，同样是kernel大小5×5的，最后才是向量转图像需要的66×54×32×1的featuremap空间，所以每一层实际的显存需求是这么大，而不是简单的count_ × 4这么多，还有其他的参数需求空间。所以根据kernel大小确定，所以，kernel越大，空间消耗越大，尽量避免。
同样，cpu模式的时候分配的空间也是根据capacity_确定的！