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