卷积神经网络（CNN）的参数量和计算量

参考于 https://blog.csdn.net/qq_37705280/article/details/105818874https://zhuanlan.zhihu.com/p/86587652

其实很简单，产生一个输出通道需要与输入通道数相当的卷积模板数，如图，

若想产生多通道则需要多组卷积组，如下图（产生两个输出通道）

计算过程为：每个通道内对应位置元素相乘再相加，最后计算所有通道的总和作为最终结果。

记住一个规律，卷积核的Channel通道数等于Input输入的通道数，Output输出的通道数等于卷积核的个数。 

参数量

k*k*C*D (k为卷积核大小，C为输入通道数，D为输出通道数)

计算量

假设输入特征图（B，C，H，W），卷积核大小为K×K， 输入通道为C，输出通道为D，假定宽高方向步长stride均为S， 输出特征图大小为H2，W2.

1.一次卷积的计算量

一个k×k的卷积，执行一次卷积操作，需要k×k次乘法操作，k×k−1次加法操作。所以，一次卷积操作需要的乘加次数：(K×K)+(K×K−1)=2×K×K−1

2.在一个特征图上需要执行卷积需要卷积的次数

A =（ (H-k+Ph) /S +1 ) ×（ (H-k+Pw) /S +1 )，Ph，Pw表示在高和宽方向填充的像素。

3.C个特征图上进行卷积运算的次数

C个输入特征图上进行卷积运算的次数为C

4.输出一个特征图通道需要的加法次数

在C个输入特征图上卷积后需要将卷积的结果相加，C个相加需要C-1次加法，计算量为: (C-1）×H2×W2

5.输出N个特征图需要计算的次数

N× [ (C-1)×H2×W2 + (2×K×K−1)× A ] ×C