- 卷積層輸入特徵圖(input feature map)的尺寸爲:
- 表示輸入特徵圖的高
- 表示輸入特徵圖的寬
- 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)
- 卷積層的參數有如下幾個:
- 輸出通道數爲
- 正方形卷積核的邊長爲
- 步幅(stride)爲
- 補零的行數和列數(padding)爲
- 輸出特徵圖(output feature map)的尺寸爲 ,其中每一個變量的計算方式如下:
- 參數量大小的計算,分爲weights和biases:
- 首先來計算weights的參數量:
- 接着計算biases的參數量:
- 所以總參數量爲:
CNN中卷積層參數量與輸出特徵圖(feature map)尺寸的計算公式
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.