神经网络中参数数量的计算

详情请见：

https://blog.csdn.net/qian99/article/details/79008053

https://www.cnblogs.com/touch-skyer/p/9150039.html

 

1. 全连接层

关于全连接中bias(偏置)的计算，一些资料里参数的数量是1，但是在用的深度学习框架中(tensorflow和pytorch)基本都是和输出层的元素的数量相同。不过这一点其实影响不大的，因为bias所占的参数量的比重很小，所以无论用哪种计算方法最终的结果基本没什么差别。

2. 卷积层

3. 池化层

池化层会改变输入输出，但不会有参数

4. 举例

 

卷积示意图：

1个filter：

6个filter：

Max Pooling示意图：

 

转载于:https://www.cnblogs.com/piaojianxue/p/10550897.html