CNN中卷積層參數量與輸出特徵圖(feature map)尺寸的計算公式

1. 卷積層輸入特徵圖(input feature map)的尺寸爲：Hinput×Winput×Cinput$H_{input}\times W_{input}\times C_{input}$
   
   1. Hinput$H_{input}$ 表示輸入特徵圖的高
   2. Winput$W_{input}$ 表示輸入特徵圖的寬
   3. Cinput$C_{input}$ 表示輸入特徵圖的通道數（如果是第一個卷積層則是輸入圖像的通道數，如果是中間的卷積層則是上一層的輸出通道數）
2. 卷積層的參數有如下幾個：
   
   1. 輸出通道數爲K$K$
   2. 正方形卷積核的邊長爲F$F$
   3. 步幅(stride)爲S$S$
   4. 補零的行數和列數(padding)爲P$P$
3. 輸出特徵圖(output feature map)的尺寸爲Houtput×Woutput×Coutput$H_{output}\times W_{output}\times C_{output}$ ，其中每一個變量的計算方式如下：
   
   1. Hinput=(Houtput−F+2P)/S+1$H_{input}=(H_{output}-F+2P)/S+1$
   2. Woutput=(Winput−F+2P)/S+1$W_{output}=(W_{input}-F+2P)/S+1$
   3. Coutput=K$C_{output}=K$
4. 參數量大小的計算，分爲weights和biases：
   
   1. 首先來計算weights的參數量：F×F×Cinput×K$F\times F\times C_{input}\times K$
   2. 接着計算biases的參數量：K$K$
   3. 所以總參數量爲：F×F×Cinput×K+K$F\times F\times C_{input}\times K+K$