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