发布于2019-08-27 17:49 阅读(767) 评论(0) 点赞(2) 收藏(5)
我们假设卷积核的大小是kxk,输入通道数是M,输出通道数是N,输出特征图大小是fxf,那么如上图所示,我用和输入通道数相同数量的卷积核去卷原始图像,会得到与原始图像输入通道数相同数量的像素值,将这些像素值加权求和得到输出的一个通道的一个像素值,输出通道有多少。
因此卷积和是一个三维的,输出通道有多少个,卷积核就有多少个,而每一个卷积核它的深度就与它要去卷的图像的输入通道数相同。
所以卷积的参数量就是kxk(每一个卷积核的在一个平面上的权重数)xM(每一个卷积核的权重数量)xM(有多少个这样的卷积核),所以是kxkxMxN。
而计算量就是kxkxMxNxfxf(因为输出通道中的每一个像素值就是一个卷积核的一次运算,而它的大小是fxf,也就是有fxf个)
池化的计算量:Batchsize x Cout x Wout x Hout x k x k
全连接的计算量:Cout x Cin x Batchsie
作者:787sds
链接:https://www.pythonheidong.com/blog/article/64231/5da3dbb1fe1999f8dee3/
来源:python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容:(最多支持255个字符)
---无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事,而不是让内心的烦躁、焦虑,坏掉你本来就不多的热情和定力
Copyright © 2018-2021 python黑洞网 All Rights Reserved 版权所有,并保留所有权利。 京ICP备18063182号-1
投诉与举报,广告合作请联系vgs_info@163.com或QQ3083709327
免责声明:网站文章均由用户上传,仅供读者学习交流使用,禁止用做商业用途。若文章涉及色情,反动,侵权等违法信息,请向我们举报,一经核实我们会立即删除!