参数计算
- 卷积层：
- 池化层：无参数
- 全连接层：
- 激活层：无参数
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
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
