我找不到正确的公式来计算CNN中一个卷积层中MAC的数量。 我从Quora尝试了这个公式
[((H-K+S) /S) *((W-L+S)/S)) *C*M*N]
其中： 输入要素图的H W大小； K L过滤器尺寸 大步走 输入的C通道 M输出功能图 N个输入要素图
我举了一个例子： 1个输入图像5x5x1 1个滤镜3x3x1 然后，我进行了一次简单的计算，获得了81个MAC。 但是当我使用上面提到的公式ai时得到9。
我认为有些事情我不理解。
预先感谢
答案 0 :(得分：0)
假设您具有以下参数：
K是您的内核宽度和高度
C_in是输入通道数
C_out是输出通道数
H_out和W_out分别为输出矩阵的高度和宽度
然后，您需要进行(K^2) * C_in MAC操作来计算每个输出特征图
您将拥有H_out * W_out * C_out个这些输出要素图。
那么总的MAC将是：
(K^2) * C_in * H_out * W_out * C_out