美文网首页
卷积神经网络中的参数量和计算量

卷积神经网络中的参数量和计算量

作者: registration | 来源:发表于2020-10-26 21:15 被阅读0次

    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:

N_{p}= C_{in} \times C_{out} \times K\times K

类似地,计算量为

N_{c}= C_{in} \times C_{out} \times K\times K\times N\times M

    深度可分离卷积主要是一对一的卷积,因而计算量为

N_{d}= C_{in} \times  K\times K\times N\times M

之后再通过1\times 1卷积进行特征融合

相关文章

网友评论

      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