在设计卷积神经网络的时候,需要考虑网络的大小,即参数量和计算量,参数量指的是卷积核中的参数的数量,计算量指的是卷积神经网络执行数值运算的次数。由于参数共享,参数量只与feature map的数量有关,而与feature map的大小无关,计算量与二者都有关。
常用的卷积操作的参数量为:
类似地,计算量为
深度可分离卷积主要是一对一的卷积,因而计算量为
之后再通过卷积进行特征融合
在设计卷积神经网络的时候,需要考虑网络的大小,即参数量和计算量,参数量指的是卷积核中的参数的数量,计算量指的是卷积神经网络执行数值运算的次数。由于参数共享,参数量只与feature map的数量有关,而与feature map的大小无关,计算量与二者都有关。
常用的卷积操作的参数量为:
类似地,计算量为
深度可分离卷积主要是一对一的卷积,因而计算量为
之后再通过卷积进行特征融合
本文标题:卷积神经网络中的参数量和计算量
本文链接:https://www.haomeiwen.com/subject/edyzmktx.html
网友评论