卷积神经网络关于参数量和计算量的探讨
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
所属网站分类: 技术文章 > 博客
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