【深度学习】为什么三维卷积数据量大

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：