我收到如下问题：
假设您有一个10x10x3彩色图像输入，并且要堆叠 两个卷积层，内核大小为3x3，带有10和20个滤镜 分别。您必须为这两个训练多少个参数 层？
我知道如何解决一个卷积层情况，即参数个数应为(filter.shape[0]*filter.shape[1]*...*filter.shape[n] + bias) * number of filters。
但是我不确定如何在多层情况下计算参数的数量。
有人可以帮我吗？
预先感谢。
答案 0 :(得分：2)
在第一层之后，您有10个频道，而不是3个。
鉴于输入为3x3，深度为3，并有10个过滤器，将产生（3 * 3 * 3 + 1）* 10个参数。
但是在第二层中，深度为10，这是第一层的原因。变成（3 * 3 * 10 + 1）* 20
（3 * 3 * 3 + 1）* 10 +（3 * 3 * 10 + 1）* 20 = 2100
答案 1 :(得分：1)
只需添加每个图层中的所有参数即可。您具有一层的公式：
（filter.shape [0] filter.shape [1] ... * filter.shape [n] +偏差）*过滤器数量
因此，只需为每一层计算并相加即可。
在您的示例中，这将给出（排除偏差）：
第1层#params = 3x3x3x10个参数
第2层#params = 3x3x10x20个参数
总计=第1层＃参数+第2层＃参数