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