CNN有卷积层和全连接层构成。对于一个卷积层，设输入通道数未 C i n C_{in} Cin，输出通道数未 C o u t C_{out} Cout，卷积核kernel size为 K w × K h K_w\times K_h Kw×Kh，输出的特征图尺寸是 H × W H\times W H×W 。全连接层的输入通道数为 N i n N_{in} Nin，输出通道数为 N o u t N_{out} Nout.
时间复杂度
用浮点数运算量衡量。
FLOPs指的是floating-point operations per second，浮点数运算次数。
卷积层FLOPs =
(
C
i
n
×
C
o
u
t
×
K
w
×
K
h
+
C
o
u
t
)
×
H
×
W
(C_{in}\times C_{out}\times K_w \times K_h + C_{out} )\times H \times W
(Cin×Cout×Kw×Kh+Cout)×H×W
全连接层FLOPs =
N
i
n
×
N
o
u
t
+
C
o
u
t
N_{in}\times N_{out} + C_{out}
Nin×Nout+Cout
空间复杂度
用参数量衡量。
卷积层parameters =
C
i
n
×
C
o
u
t
×
K
w
×
K
h
+
C
o
u
t
C_{in}\times C_{out}\times K_w \times K_h + C_{out}
Cin×Cout×Kw×Kh+Cout
全连接层parameters =
N
i
n
×
N
o
u
t
+
C
o
u
t
N_{in}\times N_{out} + C_{out}
Nin×Nout+Cout
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
