本文探讨了卷积神经网络（CNN）的计算过程，包括单次卷积计算量、单输入通道、单输出通道以及多输出通道的计算量。关键点在于每个输入通道与独立卷积核的结合，以及所有通道结果的相加得到输出通道。计算量涉及卷积核大小、输入和输出通道数、步长和填充等因素。
如果有问题请指教！
首先你要知道卷积神经网络的计算过程，这里不再赘述，下面的图分别来自邱锡鹏老师的书（https://nndl.github.io/）和李沐大神的直播课，最重要的是这句：每个输入通道有独立的二维卷积核，所有输入通道结果相加得到一个输出通道结果；每个输出通道有独立的三维卷积核。
相关变量：
输入 ( B , C i n , H , W ) (B,C_{in},H,W) (B,Cin,H,W)
卷积核 ( C o , C i n , K , s t r i d e = S , p a d d i n g = P ) (C_o,C_{in},K,stride=S,padding=P) (Co,Cin,K,stride=S,padding=P)
输出 （ B , C o , ( H i n p u t − H k e r n e l + 2 P S + 1 ) ， ( W i n p u t − W k e r n e l + 2 P S + 1 ) ） = （ B , C O , ( H − K + 2 P S + 1 ) ， ( W − K + 2 P S + 1 ) （B,C_o,(\frac{H_{input}-H_{kernel}+2P}S+1)，(\frac{W_{input}-W_{kernel}+2P}S+1)）=（B,C_O,(\frac{H-K+2P}S+1)，(\frac{W-K+2P}S+1) （B,Co,(SHinput−Hkernel+2P+1)，(SWinput−Wkernel+2P+
最低0.47元/天 解锁文章
扫一扫
962
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
