卷积层中对应参数个数的计算
0. 前言
- keras可以计算卷积层中参数个数
- 在anaconda中安装keras
conda activate py35
pip install keras
1. 主要计算参数公式
w e i g h t ∗ x + b i a s weight * x + bias weight∗x+bias
2. 举例
- 代码
from keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2D
from keras.layers import Dropout, Flatten, Dense
from keras.models import Sequential
model = Sequential()
model.add(Conv2D(16,(2,2),input_shape=(224,224,3))) #输入为224*224*3大小的图片
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dense(133))
model.summary()
- 运行结果
- 分析
- 已知:
原始图像:shape:224 × 224 × 3
卷积核大小为:2 × 2
卷积核个数为:16
全连接层神经元个数:133 - 故第一层卷积层:
一个卷积核的参数:2 × 2 × 3 = 12
16个卷积核的参数总额:16 ×12 + 16 = 192 + 16 = 208 - 故第二层池化层:
参数个数:0 - 故第三层全连接层:
133 × 16 + 133 = 2261
- 已知: