卷积NN中的参数计算数量

Question

我是CNN研究的新手，我开始观看Andrew＆NG课程。 有一个我不明白的例子：

他是如何计算 #parameters 值的？

Answer 1

正如您在Answer 1 of this StackOverflow question中所见，卷积网络的参数数量的计算公式为：channels_in * kernel_width * kernel_height * channels_out + channels_out。

但是该公式与您的数据不一致。实际上，您所显示的图形与您所提供的表格不符。

如果我以图形为基础，则第一个CN具有3个输入通道，5 * 5滑动窗口和6个输出通道，因此参数的数量应为456。

您输入数字208，这是从1个输入通道和8个输出通道获得的数字（表中显示8，而图形中显示6）。因此，似乎可以从表数据中正确获取208，如果我们认为存在一个输入通道而不是三个输入通道，则为

。

对于第二个CN，它具有6个输入通道，一个5 * 5滑动窗口和16个输出通道，您需要2,416个参数，该参数看起来可疑地接近表中给出的数字416。

对于其余网络，它总是输入维数乘以输出维数加1：5 * 5 * 16 * 120 + 1 = 48,001、120 * 84 + 1 = 10,081、84 * 10 + 1 = 841。