| 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、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。 |
【本文地址】