分析神经网络参数量及计算量

知乎上有一篇文章，介绍了网络的时间复杂度和空间复杂度https://zhuanlan.zhihu.com/p/31575074

只有卷积操作和全连接操作会有参数的增加，池化不会。

1、卷积操作参数量及计算量

以VGG16网络为例，

第一层卷积图像输入为224x224x3，输出224×224×64，卷积核大小3×3，因此 

计算量：

 

参数量：

参数量计算中，3x3x3是三维的卷积核，64是这一层的卷积核数量，加法项是偏置参数数量。

 

最后一个卷积层：输入14×14×512，输出14×14×512，卷积核大小3×3，因此

计算量：

参数量：

 

2、全连接层参数量及计算量

VGG最后一个全连接层：上层神经元数为4096，下层神经元数为1000。全连接层可以视为一种特殊的卷积层：上层为1×1×4096，下层为1×1×1000，使用的1×1的卷积核进行卷积。

计算量：

参数量：

 

其余层参数量计算参考https://blog.csdn.net/qian99/article/details/79008053

知乎文章https://zhuanlan.zhihu.com/p/86587652中，关于计算量有更详细复杂的公式，只是我没看明白！！有懂的大佬，可以一起交流一下。