Bow*_*eng 2 machine-learning neural-network conv-neural-network
我得到一个问题如下：
假设您有一个 10x10x3 的彩色图像输入，并且您想堆叠两个内核大小为 3x3 的卷积层，分别带有 10 个和 20 个过滤器。这两层需要训练多少个参数？
而且我知道如何解决参数数量应该为 的单卷积层情况(filter.shape[0]*filter.shape[1]*...*filter.shape[n] + bias) * number of filters。
但我不确定如何计算多层情况下的参数数量。
有人可以帮助我吗？
提前致谢。
小智 8
在第一层之后，您有 10 个通道而不是 3 个。
鉴于输入是 3x3，深度为 3 和 10 个过滤器，它会产生 (3*3*3+1)*10 个参数。
但是在第二层中，深度是 10，这是第一层的原因。所以它变成 (3*3*10+1)*20
(3*3*3+1)*10 + (3*3*10+1)*20 = 2100
只需添加每层的所有参数即可。您有一层的公式：
(filter.shape[0] filter.shape[1] ...*filter.shape[n] + 偏差) * 滤波器数量
因此，只需计算每一层的值并将其相加即可。
在您的示例中，这将给出（排除偏差）：
第 1 层 #params = 3x3x3x10 参数
第 2 层#params = 3x3x10x20 参数
总计 = 第 1 层 #params + 第 2 层 #params
| 归档时间： |
|
| 查看次数： |
1703 次 |
| 最近记录： |