卷积神经网络（4）卷积核参数分析

欢迎关注博主的公众号：happyGirl的异想世界。有更多干货还有技术讨论群哦~

先讲个例题吧:

一张26*26*3的图,卷积核size为3*3,数目为10,stride为2.一次卷积后,下一层feature map为?运算量为?参数量为?

 

记住公式  (N-F+2P)/S+1

故 p=0时,Wout=Hout=12.5  不能为小数,取12   故为12*12*10 (因为卷积核数目为10)

     p=1时,Wout=Hout=13.5   为13*13*10 (因为卷积核数目为10)

K为卷积核的大小(如果是长方形,就把K*K改成a*b)

M是输出的feature map的边长 (12或者13)

运算量:   K*K*M*M*Cin*Cout=3*3*13*13*3*10

参数量: K*K*Cin*Cout =(3*3)*3*10

(3*3)*3*10+10 

(WX+b)

 

filter的大小，滑动窗口的步长都是可以自己设置的

如果设置步长为2，filter为3*3，那么这个7*7的图片输出就是3*3的，如下图