动手学深度学习05：卷积神经网络基础参数计算问题

问题1：给题目假如你用全连接层处理一张256 x256的彩色（RGB）图像，输出包含1000个神经元，在使用偏置的情况下，参数数量是？怎么算？

全连接层：全连接层的每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来。
一张彩色图片：256x256x3
参数：256x256x3x1000+1000（偏置）=196609000

二维卷积层将输入和卷积核做互相关运算，并加上一个标量偏置来得到输出。卷积层的模型参数包括卷积核和标量偏置。

题目2：假如你用全连接层处理一张256×256的彩色（RGB）图像，卷积核的高宽是3×3，输出包含10个通道，在使用偏置的情况下，这个卷积层共有多少个参数？

卷积层参数：
输入层3通道 卷积核高宽3*3 输出10通道

3x3x3x10+10=280

题目3：conv2d = nn.Conv2d(in_channels=3, out_channels=4, kernel_size=3, padding=2)，输入一张形状为3×100×100的图像，输出的形状为：

输出通道：out_channels=4
(原高+2xpadding-keral_size)/stride+1=(原高+2x填充-卷积核)/步长+1

100+2x2-3+1=102（高宽相同）
输出形状：4x102x102