舉例1：

　　比如輸入是一個(gè)32x32x3的圖像，3表示RGB三通道，每個(gè)filter/kernel是5x5x3，一個(gè)卷積核產(chǎn)生一個(gè)feature map，下圖中，有6個(gè)5x5x3的卷積核，故輸出6個(gè)feature map（activation map），大小即為28x28x6。

? ? ? ?下圖中，第二層到第三層，其中每個(gè)卷積核大小為5x5x6，這里的6就是28x28x6中的6，兩者需要相同，即每個(gè)卷積核的“層數(shù)”需要與輸入的“層數(shù)”一致。有幾個(gè)卷積核，就輸出幾個(gè)feature map，下圖中，與第二層作卷積的卷積核有10個(gè)，故輸出的第三層有10個(gè)通道。

舉例2：

　　NxN大小的輸入（暫時(shí)不考慮通道數(shù)），與FxF大小的卷積核（暫時(shí)不考慮個(gè)數(shù)）做卷積，那么輸出大小為多大？計(jì)算公式為：(N - F) / stride + 1，其中stride為做卷積是相鄰卷積核的距離。

舉例3：

　　當(dāng)輸入為7x7大小，卷積核為3x3，stride=1，在7x7周?chē)a(bǔ)上一圈0（pad=1個(gè)像素），那么輸出大小為多大？

是7x7。

舉例3：

?????? 輸入為32x32x3，卷積核大小為5x5，總共有10個(gè)卷積核，做卷積的時(shí)候stride=1，pad=2，那么這一層總共含有多少參數(shù)？

?????? 每個(gè)卷積核含有的參數(shù)個(gè)數(shù)為：5*5*3 + 1 = 76，其中1是偏置bias，由于有10個(gè)卷積核，故總參數(shù)為76*10=760。

總結(jié)：

其中，卷積核的數(shù)量K一般是2的整數(shù)次冪，這是因?yàn)橛?jì)算方便（計(jì)算機(jī)計(jì)算2^n比較快）

?

?

關(guān)于池化層的參數(shù)計(jì)算：

?

參考：

斯坦福大學(xué)CS231N課程PPT

http://cs231n.stanford.edu/slides/2016/winter1516_lecture7.pdf

?

轉(zhuǎn)載于:https://www.cnblogs.com/hejunlin1992/p/7624807.html

總結(jié)

以上是生活随笔為你收集整理的卷积神经网络中的参数计算的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。