计算卷积神经网络中参数量 -凯发ag旗舰厅登录网址下载

参考
卷积神经网络的参数包含：卷积层的权重和偏置，全连接层的权重和偏置

全连接层参数量
在计算参数量前，先了解卷积计算过程。如下图，给定的图像尺寸是32x32x3（高，宽，深度）。对这张图像进行卷积，需要卷积核与输入图像有相同的深度，即3. 这个卷积核的参数量为5*5*3=75。但这只是权值的参数量，不要忘了偏置。所以，这个卷积核总的参数量是5*5*3 1=76.
来看一个实际的例子
一个卷积层：输入图像是32x32x3，卷积核尺寸是5x5，输出特征图10个。这个卷积层的参数量为：(5*5*3 1)*10=760。参数量 = 单个卷积核的参数量*卷积核的个数

全连接层的参数量
全连接层是相邻两层间的神经元互相连接。全连接层参数量 = 上一层神经元个数 * 该层神经元的个数

总结

以上是凯发ag旗舰厅登录网址下载为你收集整理的计算卷积神经网络中参数量的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得凯发ag旗舰厅登录网址下载网站内容还不错，欢迎将凯发ag旗舰厅登录网址下载推荐给好友。