卷积和全连接层参数量计算公式:
转载
卷积层参数量=(filter size * 前一层特征图的通道数 )* 当前层filter数量+当前层filter数量
全连接层的计算量 = 映射的特征图大小(77512)*输出一维向量的维度(4096)
假设输入神经元数为M,输出神经元数为N,则:
(1)bias为True时:
则参数数量为:M*N + N(bias的数量与输出神经元数的数量是一样的)
(2)bias为False时:
则参数数量为:M×N
卷积层的FLOPs:
乘法次数=输出特征图的大小(Hout *Wout Cout)
乘法计算量=乘法次数卷积核尺寸(Kh *Kw *Cin)
加法次数 = 输出特征图的大小
加法计算量=输出特征图的大小
其中h,w为卷积核大小。
对于全连接层,由于不存在权值共享,它的FLOPs数目即是该层参数数目,也就是输入节点数*输出节点数+输出节点数