两个常数的卷积为多少_卷积层参数个数计算

1. 主要计算参数公式

weight∗x+bias

2. 举例

代码

from keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2D

from keras.layers import Dropout, Flatten, Dense

from keras.models import Sequential

model = Sequential()

model.add(Conv2D(16,(2,2),input_shape=(224,224,3))) #输入为224*224*3大小的图片

model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Dense(133))

model.summary()

运行结果

分析

已知：

原始图像：shape：224 × 224 × 3

卷积核大小为：2 × 2

卷积核个数为：16

全连接层神经元个数：133

故第一层卷积层：

一个卷积核的参数：2 × 2 × 3 = 12

16个卷积核的参数总额：16 ×12 + 16 = 192 + 16 = 208

故第二层池化层：

参数个数：0

故第三层全连接层：

133 × 16 + 133 = 2261

原文链接：https://blog.csdn.net/qq_40234695/article/details/88692874