本文为博主原创文章,未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章,地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。
我们可能会经常听到在三维领域深度学习的参数量会非常庞大,以至于三维卷积的深度学习方不太适用。那么三维深度学习的参数量究竟是什么情况,本文将进行具体分析。
上一节,我们研究了深度学习神经网络中参数量、模型大小和显存大小之间的相互关系和详细的计算方法,具体内容请参考:【深度学习】参数量、模型大小、显存_Coding的叶子的博客-CSDN博客。
1 前提条件
我们仍然就一层卷积来进行说明,假设输入通道为C1=256,输出通道C2=512,卷积核尺寸为4,batch size为16,特征图尺寸为128。
2 计算过程
那么,对于1维情况来说,训练阶段的显存占用为: