如何计算GoogLe Net的参数数量？

Question

我非常了解AlexNet和VGG。我可以使用各自论文中提交的内容验证每个层中使用的参数数量。

然而，当我尝试在GoogleNet论文上做同样的事情时，即使经过多次迭代，我也无法验证他们在＆＃39;表1和＃中的数字？＃34;更深入地使用COnvolution＆＃34; 39;他们的论文。

例如，第一层是旧的普通卷积层，内核大小（7x7），地图输入数3，地图输出数为64.因此根据这一事实，所需参数的数量为（3） * 49 * 64）+ 64（偏差）约9.5k，但他们说他们使用2.7k。我也为其他图层做了数学计算，而且我总是比他们报告的数字百分之几。有什么想法吗？

由于

Answer 1

我认为第一行（2.7k）是错误的，但表格的其余部分是正确的。

这是我的计算： http://i.stack.imgur.com/4bDo9.jpg

注意检查哪个输入连接到哪个层， 例如层“inception_3a / 5x5_reduce”：

 input = "pool2/3x3_s2" with 192 channels
 dims_kernel = C*S*S =192x1x1
 num_kernel = 16 

因此该层的参数大小= 16 * 192 * 1 * 1 = 3072

Answer 2

看起来他们将数字除以1024 ^ n，以转换为表1中参数数量的K / M标签。这感觉不对。我们不是在这里讨论实际存储数量（如＆＃34;字节＆＃34;），而是直接数量的参数。它们应该刚刚除以1000 ^ n。

Answer 3

可能是7 * 7转换层实际上是7 * 1转换层和1 * 7转换层的组合，那么参数的数量可以是：（（7 + 7）* 64 * 3 + 64 * 2） / 2014 = 2.75k，接近2.7k（或者你可以省略128个偏差）。

正如我们所知，Google在纸张中进行空间分解时引入了非对称卷积＆＃34;空间分解为非对称卷积＆＃34;

Answer 4

（1x7 + 7x1）x3x64 =2688≈2.7k，这是我的看法，我是一名新生