CNN卷积层神经元数量、连接数量、权重数量的计算

1. 神经元的数量：

和输入层类似，输出维度是多少，神经元就有多少

feature map大小 * feature map数量


2. 连接数量：
全连接：
输入层神经元数量*输出层神经元数量

CNN局部连接： 
故由于局部连接机制，卷积层的连接数为：
局部连接的输入层神经元数*卷积层神经元数

以alexnet为例：

在第一个卷积层，神经元使用的感受野尺寸F=11，步长S=4，不使用零填充P=0。因为(227-11)/4+1=55，卷积层的深度K=96，则卷积层的输出数据体尺寸为[55x55x96]。55x55x96个神经元中，每个都和输入数据体中一个尺寸为[11x11x3]的区域全连接

即11*11*3 * 55*55*96

3. 参数数量：
每个深度切片（或每个feature map）上的神经元都使用同样的权重和偏差：
不考虑偏值项参数时：
卷积覆盖的输入层神经元数 * 输出feature map数量
延续上例：11*11*3 * 96

参考：CS231N

英文：http://cs231n.github.io/convolutional-networks/

中文：https://zhuanlan.zhihu.com/p/22038289