卷积神经网络中参数量的计算原理及方法

python 复制代码
手动计算参数量:
1. 卷积层参数计算方法:
参数量计算公式 = 卷积核宽度 * 卷积核高度 * 输入层通道数 * 输出层通道数 + bias(输出层通道数)
注意:池化层没有参数(只是在已知数据区域里求个最大值)

输入层通道数就是上层的卷积核数量
输出层通道数等于卷积核个数:输入层通道数经过32个卷积核后变成32个通道

2. 全连接层参计算方法:
根据x*w+b和矩阵乘法推断w的形状
参数量 = w的参数量 + b的参数量

举例:
(bs,1152) * (1152,512)
w的参数量 = 上一层的1152 * 这层的神经元个数512
b的参数量就是神经元的个数512
总参数量 = 1152*512+512=1153*512
python 复制代码
# 卷积层
print(3*3 * 1 * 32 + 32)
print(3*3 * 32 * 32 + 32)
print(3*3 * 32 * 64 + 64)
print(3*3 * 64 * 64 + 64)
print(3*3 * 64 * 128 + 128)
print(3*3 * 128 * 128 + 128)

# 卷积核展平
print(3*3*128)

# 全连接层 (神经网络)
print(1152*512 + 512)
print(512*256 + 256)
print(256*10 + 10)
相关推荐
人工智能训练师35 分钟前
Ubuntu22.04如何安装新版本的Node.js和npm
linux·运维·前端·人工智能·ubuntu·npm·node.js
酷飞飞1 小时前
Python网络与多任务编程:TCP/UDP实战指南
网络·python·tcp/ip
cxr8282 小时前
SPARC方法论在Claude Code基于规则驱动开发中的应用
人工智能·驱动开发·claude·智能体
研梦非凡2 小时前
ICCV 2025|从粗到细:用于高效3D高斯溅射的可学习离散小波变换
人工智能·深度学习·学习·3d
数字化顾问2 小时前
Python:OpenCV 教程——从传统视觉到深度学习:YOLOv8 与 OpenCV DNN 模块协同实现工业缺陷检测
python
幂简集成3 小时前
Realtime API 语音代理端到端接入全流程教程(含 Demo,延迟 280ms)
人工智能·个人开发
龙腾-虎跃3 小时前
FreeSWITCH FunASR语音识别模块
人工智能·语音识别·xcode
智慧地球(AI·Earth)3 小时前
给AI配一台手机+电脑?智谱AutoGLM上线!
人工智能·智能手机·电脑
Godspeed Zhao3 小时前
自动驾驶中的传感器技术46——Radar(7)
人工智能·机器学习·自动驾驶
学生信的大叔3 小时前
【Python自动化】Ubuntu24.04配置Selenium并测试
python·selenium·自动化