卷积、池化计算总结（输出维度、计算量、参数量）

卷积输出特征图大小计算

Wout = Winput - Wkernerl + 2 * Padding / Strides + 1

Hout = Hinput - Hkernel + 2 * Padding / Strides + 1

• Wout、Hout：输出图像的宽、高
• Winput、Hinput：输入图像的宽、高
• Wkernel、Wkernel：卷积核的宽、高
• Padding：填充大小
• Strides：步长大小

计算量——标准卷积

参数说明

• M：输入通道数、N：输出通道数

标准卷积的输入是一个Df×Df×M的特征图

标准卷积的输出是一个DF×DF×N的特征图

应用的卷积核：Dk*Dk

则：

1. 标准卷积层的参数为：Dk×Dk×M×N
2. 标准卷积的计算量：Dk×Dk×M×N×DF×DF

对一张图像进行卷积生成1张特征图

Wi = 3, Hi = 3

kw = 3, kh = 3

Wo = 2, Ho = 2

M:1, N:1

计算量：kw×kh×wo×wh×M×N = 3×3×2×2×1×1= 36

权值个数：kw×kh×M×N = 3×3×1×1 = 9

对一张图像进行卷积生成多张特征图

wi = 32, hi = 32

kw = 5, kw = 5

wo = 28, wo = 28

M = 1, N = 3

计算量:kw×kh×wo×​​​​​​​ho×M×N = 5×5×​​​​​​​28×28×1×3=58800

权值个数:kw×​​​​​​​kh×M×​​​​​​​N = 5×5×​​​​​​​1×3=75

对多张图像进行卷积生成1张特征图

wi = 32, hi =32

kw = 5, kh = 5

wo = 28, ho = 28

M = 3, N = 1

计算量：kw×​​​​​​​kh×wo×​​​​​​​ho×M×N = 5×5×​​​​​​​28×28×​​​​​​​3×1

权值个数：kw×​​​​​​​kh×M×​​​​​​​N = 5×5×​​​​​​​3×1

对多张图像进行卷积生成多张特征图

wi = 32, hi = 32

kw = 5, kh = 5

wo = 28, ho = 28

M = 64, N = 128

计算量：kw×​​​​​​​kh×wo×​​​​​​​ho×M×​​​​​​​N = 5×5×​​​​​​​28×28×64×128 = 160563200

权值个数：kw×​​​​​​​kh×M×​​​​​​​N = 5×5×​​​​​​​64×128 = 204800

池化计算

输出维度计算：

计算量：

总计算量=比较次数×总的池化操作次数

比较次数：池化核大小 - 1

总的池化操作次数： （原特征图尺寸 / 步长）^2

例子如下：

池化层的计算量主要与池化核的大小、步长和特征图的尺寸有关。在这个例子中，池化核大小为 3×3，步长为 2，特征图的尺寸从 55×55 变为 27×27。

计算量的具体过程：

1. 对于每个池化操作，需要在 3×33×3 的区域中找到最大值。
2. 对于 27×27的特征图，每个池化操作涉及对 3×3 区域的比较，然后选择最大值。因此，每个池化操作需要进行 3×3−1=8次比较。
3. 特征图的尺寸减小了一半（因为步长为 2），所以总共有 (27/2)×(27/2)=196个这样的池化操作。
4. 每个池化操作中有 8 次比较。

因此，池化层的总计算量可以通过以下公式估算：

总计算量=每个池化操作的比较次数×总的池化操作次数总计算量=每个池化操作的比较次数×总的池化操作次数

在这个例子中，总计算量为 8×196。