Tensorflow深度学习 - 模型大小和参数

Question

根据Andrej的博客 -

他说，对于卷积层，通过参数共享，它会为每个过滤器引入F x F x D个权重，总共(F x F x D) x K个权重和K个偏差。

在我的张量流代码中，我有一个这样的架构（其中D = 1）

1. conv1：F = 3，K = 32，S = 1，P = 1.

2. pool1：

3. CONV2 等等...

根据公式，

1. 对于conv1，用F = 3生成的模型应该具有9K权重，即。 较小型号和

2. 使用F = 5生成的模型应具有25K权重，即更大模型

问题 在我的代码中，当我为这两种情况写出模型文件时，我发现.ckpt文件大约是380MB（F = 3）和340MB（F = 5）。我错过了什么吗？

代码： 以下是将变量保存到模型并打印其大小的参考代码。

    ''' Run the session and save the model'''

#Add a saver here
saver = tf.train.Saver()

# Run session 
sess.run(tf.initialize_all_variables())
for i in range(201):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0})
    print("step %d, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 1.0})

# Save model 
save_path = saver.save(sess, "/Users/voladoddi/Desktop/dropmodel.ckpt")
print("Model saved in file: %s" % save_path)

# Test 
print("test accuracy %g"%accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))


# Print model size. 
vars = 0
for v in tf.all_variables():
    vars += np.prod(v.get_shape().as_list())
print(vars*4)/(1024**2),"MB"