以下计算结果都是近似值,没有考虑偏置项、额外结构的计算等。
卷积神经网络:
前一层感受野(从后往前算) = (当前层感受野 - 1)X 步长 + 当前层卷积核大小
输出层大小(从前往后算)= [(输入层大小 + 2 X 零填充个数 - 卷积核大小)/ 步长] + 1
计算量 = 输入的多层特征层所有像素数 X 单个卷积核单层的像素数 X 卷积核的个数
参数量 = 单个卷积核全部像素数 X 卷积核的个数
多层前馈网络:
计算量 = 上层神经元数目 X 下层神经元数目
参数量 = 上层神经元数目 X 下层神经元数目