卷积层参数个数计算

1. 主要计算参数公式
weight∗x+bias

2. 举例
代码
from keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2D
from keras.layers import Dropout, Flatten, Dense
from keras.models import Sequential

model = Sequential()
model.add(Conv2D(16,(2,2),input_shape=(224,224,3))) #输入为224*224*3大小的图片
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dense(133))
model.summary()

运行结果

分析
已知：
　　原始图像：shape：224 × 224 × 3
　　卷积核大小为：2 × 2
　　卷积核个数为：16
　　全连接层神经元个数：133
故第一层卷积层：
　　一个卷积核的参数：2 × 2 × 3 = 12
　　16个卷积核的参数总额：16 ×12 + 16 = 192 + 16 = 208
故第二层池化层：
　　参数个数：0
故第三层全连接层：
　　133 × 16 + 133 = 2261

原文链接：https://blog.csdn.net/qq_40234695/article/details/88692874

卷积层参数个数计算

原文：https://www.cnblogs.com/wisir/p/12960249.html