卷积、池化计算总结(输出维度、计算量、参数量) | 您所在的位置:网站首页 › 卷积维度 › 卷积、池化计算总结(输出维度、计算量、参数量) |
卷积输出特征图大小计算
Wout = Winput - Wkernerl + 2 * Padding / Strides + 1 Hout = Hinput - Hkernel + 2 * Padding / Strides + 1 Wout、Hout:输出图像的宽、高Winput、Hinput:输入图像的宽、高Wkernel、Wkernel:卷积核的宽、高Padding:填充大小Strides:步长大小 计算量——标准卷积参数说明 M:输入通道数、N:输出通道数标准卷积的输入是一个Df×Df×M的特征图 标准卷积的输出是一个DF×DF×N的特征图 应用的卷积核:Dk*Dk 则: 标准卷积层的参数为:Dk×Dk×M×N标准卷积的计算量:Dk×Dk×M×N×DF×DF 对一张图像进行卷积生成1张特征图Wi = 3, Hi = 3 kw = 3, kh = 3 Wo = 2, Ho = 2 M:1, N:1 计算量:kw×kh×wo×wh×M×N = 3×3×2×2×1×1= 36 权值个数:kw×kh×M×N = 3×3×1×1 = 9 对一张图像进行卷积生成多张特征图wi = 32, hi = 32 kw = 5, kw = 5 wo = 28, wo = 28 M = 1, N = 3 计算量:kw×kh×wo×ho×M×N = 5×5×28×28×1×3=58800 权值个数:kw×kh×M×N = 5×5×1×3=75 对多张图像进行卷积生成1张特征图wi = 32, hi =32 kw = 5, kh = 5 wo = 28, ho = 28 M = 3, N = 1 计算量:kw×kh×wo×ho×M×N = 5×5×28×28×3×1 权值个数:kw×kh×M×N = 5×5×3×1 对多张图像进行卷积生成多张特征图wi = 32, hi = 32 kw = 5, kh = 5 wo = 28, ho = 28 M = 64, N = 128 计算量:kw×kh×wo×ho×M×N = 5×5×28×28×64×128 = 160563200 权值个数:kw×kh×M×N = 5×5×64×128 = 204800 池化计算输出维度计算: 计算量: 总计算量=比较次数×总的池化操作次数 比较次数:池化核大小 - 1 总的池化操作次数: (原特征图尺寸 / 步长)^2 例子如下: 池化层的计算量主要与池化核的大小、步长和特征图的尺寸有关。在这个例子中,池化核大小为 3×3,步长为 2,特征图的尺寸从 55×55 变为 27×27。 计算量的具体过程: 对于每个池化操作,需要在 3×33×3 的区域中找到最大值。对于 27×27的特征图,每个池化操作涉及对 3×3 区域的比较,然后选择最大值。因此,每个池化操作需要进行 3×3−1=8次比较。特征图的尺寸减小了一半(因为步长为 2),所以总共有 (27/2)×(27/2)=196个这样的池化操作。每个池化操作中有 8 次比较。因此,池化层的总计算量可以通过以下公式估算: 总计算量=每个池化操作的比较次数×总的池化操作次数总计算量=每个池化操作的比较次数×总的池化操作次数 在这个例子中,总计算量为 8×196。 |
CopyRight 2018-2019 实验室设备网 版权所有 |