- 卷积层输入特征图(input feature map)的尺寸为:
- 表示输入特征图的高
- 表示输入特征图的宽
- 表示输入特征图的通道数(如果是第一个卷积层则是输入图像的通道数,如果是中间的卷积层则是上一层的输出通道数)
- 卷积层的参数有如下几个:
- 输出通道数为
- 正方形卷积核的边长为
- 步幅(stride)为
- 补零的行数和列数(padding)为
- 输出特征图(output feature map)的尺寸为
,其中每一个变量的计算方式如下:
- 参数量大小的计算,分为weights和biases:
- 首先来计算weights的参数量:
- 接着计算biases的参数量:
- 所以总参数量为:
CNN中卷积层参数量与输出特征图(feature map)尺寸的计算公式
猜你喜欢
转载自blog.csdn.net/gaishi_hero/article/details/81512404
今日推荐
周排行