问题描述
Input:(3,32,32)-- 3通道,大小为32*32的图像
Output:(32,30,30)-- 32通道,大小为30*30的图像
卷积过程说明:kernel size = (3,3), stride = (1,1),padding=0
最终的卷积参数计算结果是 3*3*3*32+32=896 这个值是怎么计算得出的?
多通道卷积的过程
由上图,输入层与卷积核,需要有相同的channel数。
说白了,一个3通道的图像想要经历一次卷积,需要3个卷积核,它们各自计算的结果加起来,才可以形成一个feature map。
这里引用另外一名博主的文章图片,原文链接, 他的图片更直观些。
计算过程
想要得到一个feature map(一个通道)的卷积结果,需要3个3*3大小的卷积核,那么32个通道则需要3*3*3*32=864个参数。
不要忘记了,还有bias的存在,1个通道需要1个bias, 最终32个通道需要32个bias。所以,计算结果为864+32=896个参数。