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
一起学安全技术11 分钟前
拆大模型 11|大模型面试拷问:12 问逐层拆
人工智能·ai·语言模型·面试·职场和发展·求职招聘
挖掘狂人14 分钟前
128GB 让 “本地跑大模型” 成为日用品,但分水岭不在硬件
人工智能
oil欧哟23 分钟前
Gemini 4 系列与 Antigravity 使用心得:Carbon、Argon 与 Hydrogen 实测与提速方法
人工智能
菜鸟~noob23338 分钟前
[AI]间章:系列走到这里,聊聊后面的规划、造卡需要的软件平台,以及为什么我要先暂停更新
人工智能·python·fpga开发·django·pygame
aneasystone本尊1 小时前
大模型训练系列收官:动手训一个属于自己的小模型
人工智能
杨凯凡1 小时前
Spring AI MCP 多租户安全实战:共享 Session 会串数据吗?工具权限与隔离边界
人工智能·安全·spring
chh56310 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval10 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
prince_zxill11 小时前
PEP 751 pylock.toml 实测:pip 26.3 装 6 个包版本全钉死,但 [web] 选不中任何东西
python·pip·依赖管理·pep 751