机器学习笔记 - 理解和计算卷积神经网络 (CNN) 中的参数数量

        让我们首先看看如何为您拥有的每种类型的层计算可学习参数的数量，然后计算示例中的参数数量。

        Input layer：输入层所做的只是读取输入图像，因此这里没有您可以学习的参数。

        Convolutional layers：一个卷积层，其输入为 l 个特征图，输出为 k 个特征图。 过滤器尺寸为 n x m。 例如，这将如下所示：

         这里，输入有 l=32 个特征图作为输入，k=64 个特征图作为输出，滤波器大小为 n=3 x m=3。重要的是，不仅仅是一个 3x3 的过滤器，而是一个 3x3x32 的过滤器，因为我们的输入有 32 个维度。我们学习了 64 个不同的 3x3x32 过滤器。因此，权重的总数是 n*m*k*l。然后，每个特征图也有一个偏差项，所以我们的参数总数为 (n*m*l+1)*k。

    &