VGG13的trainable参数量

最新推荐文章于 2025-05-05 16:36:37 发布

Sim_Ai

最新推荐文章于 2025-05-05 16:36:37 发布

阅读量672

点赞数

CC 4.0 BY-SA版权

文章标签： python 计算机视觉

本文链接：https://blog.youkuaiyun.com/Sim_Ai/article/details/123497408

该博客详细计算了VGG13模型中各卷积层的参数数量，总共有9,404,992个trainable参数，深入剖析了模型的复杂度和计算资源需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

VGG13的参数量

conv1: $3×3×3×64+64=1,7923\times3\times3\times64+64 = 1,792$
conv2: $3×3×64×64+64=36,9283\times3\times64\times64+64 = 36,928$
conv3: $3×3×64×128+128=73,8563\times3\times64\times128+128 = 73,856$
conv4: $3×3×128×128+128=147,5843\times3\times128\times128+128 = 147,584$
conv5: $3×3×128×256+256=295,1683\times3\times128\times256+256 = 295,168$
conv6: $3×3×256×256+256=590,0803\times3\times256\times256+256 = 590,080$
conv7: $3×3×256×512+512=1,180,1603\times3\times256\times512+512 = 1,180,160$
conv8: $3×3×512×512+512=2,359,8083\times3\times512\times512+512 = 2,359,808$
conv9: $3×3×512×512+512=2,359,8083\times3\times512\times512+512 = 2,359,808$
conv10: $3×3×512×512+512=2,359,8083\times3\times512\times512+512 = 2,359,808$