神经网络尺寸和参数量计算

2022-11-24,,

前言

这里写个参数计算,会借鉴各路大神的杰作,主要是整理一下怕自己以后忘了找起来麻烦
大部分引自https://blog.csdn.net/qian99/article/details/79008053

参数计算方法

首先是卷积层的计算

下面是一个32x32x3的输入,我们用5x5x3的滤波器去卷积

所以最后是553=75的一个参数量

那么最后的输出也是需要一个公式的,一般我们如果使用填充将不改变输出尺寸,而只改变滤波器数量。
那么如果不使用填充,则见下面的输出计算

如果上面我用了6个滤波器,那么输出为28x28x6,则参数量为5x5x3x6+6=456

对CNN而言,每个卷积层的参数量计算如下:

卷积和池化的输出计算

参数:W:宽; H:高; D:深度;
K:卷积核的个数; F:卷积核的大小; S:步长; P:用0填充
卷积后输出 =[(输入大小 - 卷积核大小 + 2*P )/步长] + 1.
(不能整除时,一般去掉小数部分取整,如4.5,则取4)

池化层的计算和卷积一样