神经网络尺寸和参数量计算

前言

这里写个参数计算，会借鉴各路大神的杰作，主要是整理一下怕自己以后忘了找起来麻烦
大部分引自https://blog.csdn.net/qian99/article/details/79008053

参数计算方法

首先是卷积层的计算

下面是一个32x32x3的输入，我们用5x5x3的滤波器去卷积

所以最后是553=75的一个参数量

那么最后的输出也是需要一个公式的，一般我们如果使用填充将不改变输出尺寸，而只改变滤波器数量。
那么如果不使用填充，则见下面的输出计算

如果上面我用了6个滤波器，那么输出为28x28x6，则参数量为5x5x3x6+6=456

对CNN而言，每个卷积层的参数量计算如下：

卷积和池化的输出计算

参数：W：宽； H：高； D：深度；
K：卷积核的个数； F：卷积核的大小； S：步长； P：用0填充
卷积后输出 =[(输入大小 - 卷积核大小 + 2*P ）/步长] + 1.
(不能整除时，一般去掉小数部分取整，如4.5，则取4)

池化层的计算和卷积一样

来源：CSDN

作者：Nick_Dizzy

链接：https://blog.csdn.net/Nick_Dizzy/article/details/104228037