卷积神经网络中的参数计算数量

Question

我是 CNN 研究的新手，我从观看 Andrew'NG 课程开始。 有一个例子我没看懂：

他是如何计算 #parameters 值的？

Answer 1

在Answer 1 of this StackOverflow question中可以看到，卷积网络参数个数的计算公式为：channels_in * kernel_width * kernel_height * channels_out + channels_out。

但是这个公式与您的数据不符。事实上，您展示的图纸与您提供的表格不符。

如果我以图为基准，那么第一个CN有3个入口通道，一个5*5的滑动窗口和6个输出通道，所以参数个数应该是456个。

您给出数字 208，这是 1 个输入通道和 8 个输出通道获得的数字（表中显示为 8，而图中显示为 6）。所以看起来208是从表数据中正确得到的，如果我们认为输入通道是1个而不是3个。

至于第二个 CN，有 6 个入口通道，一个 5*5 的滑动窗口和 16 个输出通道，您需要 2,416 个参数，这看起来很接近表中给出的 416。

对于其余的网络，它始终是输入维数乘以输出维数加一：5*5*16*120+1=48,001, 120*84+1=10,081, 84*10+ 1=841。