參考
卷積神經網絡的參數包含：卷積層的權重和偏置，全連接層的權重和偏置

全連接層參數量
在計算參數量前，先了解卷積計算過程。如下圖，給定的圖像尺寸是32x32x3（高，寬，深度）。對這張圖像進行卷積，需要卷積核與輸入圖像有相同的深度，即3. 這個卷積核的參數量為5*5*3=75。但這只是權值的參數量，不要忘了偏置。所以，這個卷積核總的參數量是5*5*3 + 1=76.
來看一個實際的例子
一個卷積層：輸入圖像是32x32x3，卷積核尺寸是5x5，輸出特征圖10個。這個卷積層的參數量為：(5*5*3 + 1)*10=760。參數量 = 單個卷積核的參數量*卷積核的個數

全連接層的參數量
全連接層是相鄰兩層間的神經元互相連接。全連接層參數量 = 上一層神經元個數 * 該層神經元的個數

總結

以上是生活随笔為你收集整理的计算卷积神经网络中参数量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。