卷积神经网络权重,特征图计算

一。权重

ResNet18是指带有权重的18层,包括17个卷积层和一个全连接层。 ResNet18 必须经过一个卷积层、一个池化层,再经过四个残差块。一个残差块由两个基本块组成,一个基本块包含两个卷积层。残差块共16层,最后是平均池化层和全连接层。由于池化层不需要学习参数,所以被去掉了,整个ResNet18网络由18层组成。

卷积层和全连接层具有权重系数,因此也被称为权重层
池化层不涉及权重,因此不属于权重层,在计算参数量时,不被计数。
其中,卷积层权重的大小为卷积核的size X 卷积核的number

(如:size为3x3x3,number 128,则权重为3x3x3x128);
全连接层的权重为:前一层节点数×本层的节点数。
以上都是不考虑偏置的前提下。

二、特征图计算

1、基本公式

  • 4
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值