CNN中計算問題
阿新 • • 發佈:2018-11-15
卷積:
輸入3通道,2個卷積核:
對於每個卷積核,先在輸入3個通道分別作卷積,再將3個通道結果加起來得到卷積輸出。所以對於某個卷積層,無論輸入影象有多少個通道,輸出影象通道數總是等於卷積核數量!
對多通道影象做1x1卷積,其實就是將輸入影象於每個通道乘以卷積係數後加在一起,即相當於把原影象中本來各個獨立的通道“聯通”在了一起。
1.卷積&池化後feature map大小
輸入尺寸:,輸出尺寸: ,卷積核大小:,卷積核個數(即輸出通道數):N,移動步長:S,填充數P
輸出的大小如下:
2.引數量計算
Conv Layer引數數量:
=卷積層的weights數量,=卷積層的biases數量,=所有引數的數量,K=核尺寸,N=核數量,C =輸入通道數
卷積層中,核的深度等於輸入影象的通道數。於是每個核有K*K個引數。並且有N個核.由此得出以下的公式:
3.感受野計算
是第k-1層感受野的大小,是當前層卷積核大小,是第i層步長。第k層感受野:
https://zhuanlan.zhihu.com/p/35708466
4.卷積操作的計算量
標準卷積核大小為,輸入通道M,輸出通道N,輸出feature map大小為
標準卷積計算量:
深度可分離卷積減小的計算量: