- 博客(2)
- 收藏
- 关注
原创 CNN卷积神经网络中卷积核带来的参数数量的计算
设:·输入数据为 10103(长 * 宽 * 深度)·卷积核尺寸为 333·输出的特征图深度为5(即卷积核的个数)那么这一个卷积层涉及的参数数目有:333*5+5=140个参数(即每个卷积核的参数乘以数目加上bias)...
2018-09-27 16:11:56
6505
翻译 CNN卷积神经网络卷积后的大小计算
(忽略图片深度)输出图片的边长N为:·N = (W - F + 2P)/S + 1设·输入图片大小 WW·卷积核大小 FF·卷积核移动步长 S·零填充的像素数 P...
2018-09-27 16:05:14
2901
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人