深度学习每层的通道数如何计算_手动计算深度学习模型中的参数数量

原标题：手动计算深度学习模型中的参数数量

本文为 AI 研习社编译的技术博客，原标题 ：

Counting No. of Parameters in Deep Learning Models by Hand

作者 | Raimi Karim

翻译 | Snowdrop99

校对 | 斯蒂芬·二狗子 审核 | 酱番梨 整理 | 立鱼王

原文链接：

https://towardsdatascience.com/counting-no-of-parameters-in-deep-learning-models-by-hand-8f1716241889

注：本文的相关链接请访问文末【阅读原文】

摄影：Andrik Langfield，来自Unsplash

为什么我们需要再次计算一个深度学习模型中的参数数量？我们没有那样去做。然而，当我们需要减少一个模型中的文件大小甚至是减少模型推理的时间时，我们知道模型量化前后的参数数量是派得上用场的。(请点击原文查阅深度学习的高效的方法和硬件的视频。)

计算深度学习模型中可训练参数的数量被认为是微不足道的，因为你的代码已经可以为你完成这些任务。但是我依然想在这里留下我的笔记以供我们偶尔参考。以下是我们将要运行的模型：

前馈神经网络 (FFNN)

循环神经网络(RNN)

卷积神经网络(CNN)

与此同时，我会用Keras的API创建一个模型，以便简单的原型设计和代码的整洁，因此我们在此快速import导入相关的对象：

fromkeras.layers importInput, D