代码之家 › 专栏 › 技术社区 › FlyingBurger

如何计算卷积神经网络中的参数总数?[副本]

convolutional-neural-network deep-learning neural-network machine-learning

FlyingBurger · 技术社区 · 8 年前

如何计算CNN网络中的参数总数

代码如下:

input_shape = (32, 32, 1)
flat_input_size = input_shape[0]*input_shape[1]*input_shape[2]
num_classes = 4

cnn_model = Sequential()
cnn_model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=input_shape))
cnn_model.add(Activation('relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
cnn_model.add(Conv2D(64, (3, 3)))
cnn_model.add(Activation('relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
cnn_model.add(Dropout(0.25))
cnn_model.add(Conv2D(128, (3, 3), padding='same'))
cnn_model.add(Activation('relu'))
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
cnn_model.add(Dropout(0.25))
cnn_model.add(Flatten())
cnn_model.add(Dense(512))
cnn_model.add(Activation('relu'))
cnn_model.add(Dropout(0.5))
cnn_model.add(Dense(num_classes))
cnn_model.add(Activation('softmax'))

结果如下

如何获取320、18496、73856、590336、2052,有人能解释一下吗?

1 回复 | 直到 8 年前

marcopah 8 年前

您可以使用以下通用公式:

channels_in * kernel_width * kernel_height * channels_out + num_channels

第一个例子是:

1 * 3 * 3 * 32 + 32 = 320

第二点:

32 * 3 * 3 * 64 + 64 = 18,496

通道数量的增加是偏差项。

推荐文章

Whitedevil4648 · 我的测试损失在增加,但神经网络的训练损失在减少。我该怎么办?

2 年前

akozel · 分类任务的tensorflow输出层配置

2 年前

Felix Spiers · 更改NN中隐藏层的数量会导致错误

2 年前

A J · 为什么我的动态神经网络有0个参数?

2 年前

Owen · 如何使结构中的变量带有指向非静态成员函数的指针?[副本]

2 年前

Matheus Felipe · 关于并行运行神经网络的最佳方式的建议

2 年前

Irene Ferfoglia · ImportError:无法从“ray.air”导入名称“Checkpoint”

2 年前

Harry · 如何使用神经网络进行分类

2 年前

Tolga Aktas · PyTorch中的register_forward_hook和register_module_forward_hook之间有什么区别?

2 年前

DouHuanmin · 除了使用Tanh()函数外,还有什么规则可以用来将嵌入向量约束在(-1,1)的范围内吗?

2 年前