【深度学习】CNN计算

1、CNN特征图计算

卷积：注意是前半部分是下取整！！！

池化：没有pad

2、CNN参数数量

3、FC Layer参数数量

emmmmmm

4、全连接和卷积的关系

全连接层也可以被视为是一种极端情况的卷积层，其卷积核尺寸就是输入矩阵尺寸，因此输出矩阵的高度和宽度尺寸都是1。

---

一个卷积核产生一个feature map! !!

(要命了-0-)

参考：

CNN中卷积层的计算细节

卷积神经网络中的参数计算

卷积神经网络(CNN)张量(图像)的尺寸和参数计算(深度学习)

卷积神经网络中特征图大小的计算（这个里面是对的✔️）