Resnet/CNN深度模型——参数量计算

深度学习模型中的参数数量（备忘）——详情点击 link

卷积层：

(kernel*kernel) channel_inputchannel_output
即（卷积核的大小） * 输入通道 * 输出通道

如Resnet卷积层参数计算：
conv1：此时是32个1 * 1大小的卷积核，输入通道1，输出通道32，则w=1 * 1 * 1 * 32=32
b=32
所以总参数=32+32=64
conv2:32个1 * 60 大小的卷积核，输入为32通道，输出为32，则w= 1 * 60 *32 *32 =61440
b=32
所有总参数=61440+32=61472
conv3同理

池化层：无参数

全连接层：

w参数＝weight_inweight_out
　　b参数=输出神经元个数
总参数=w参数+b参数
dense1参数=288128+128=36992
dense2参数=128*5+5=645

激活层：无参数