vgg16卷积层的计算量_卷积神经网络VGG16参数数量的计算和理解
先说一下我对神经网络的理解:神经网络就是用巨量的简单的非线性函数组合起来拟合复杂的未知函数。比如,人类识别不同的物体、识别不同动物、不同植物是个复杂的未知函数。虽然未知,但没事,我们的神经网络可以用巨量的简单非线性函数组合来拟合出来。而且实践证明在很多场景下效果非常好。而如何确定这些巨量的简单非线性函数的大量参数呢?通过机器学习,机器训练。
著名的卷积神经网络VGG16,论文上写参数有1.3亿个,查了很多文章,很多都是错的,有些对的,但是没有解释为什么这样算,意义是啥。
最近发现难以理解的原因是对卷积的误解。网上几乎所有讲卷积网络的文章,演示卷积的时候都是一个n×n的表。其实神经网络里的卷积核是立体的三维卷积核,而卷积过程也是3维卷积。
虽然vgg输入是一个224×224的图片,但是考虑到图片的色彩,那么输入就是一个224×224×3的3维矩阵。所以卷积核也是三维的才匹配。考虑到每一层有多个卷积核,那就是再加一维,所以每一层其实一个4维矩阵来运算处理输入的3维矩阵。
下面计算vgg16的参数:
计算里:乘法里前面3个数字是三维的卷积核的尺寸,乘法项最后一个数字是这一层的卷积核数量,加法项是偏置参数数量
第1层: =3*3*3*64+64;
第1层: 1792 =3*3*3*64+64;前面的3*3*3是三维的卷积核,64是这一层的卷积核数量,最后的是偏置参数数量
第2层: 36928 =3*3*64*64+64
第3层: 73856 =3*3*64*128+128
第4层: 147584 =3*3*128*128+128
第5层: 295168 =3*3*128*256+256
第6层: 590080 =3*3*256*256+256
第7层: 590080 =3*3*256*256+256
第8层: 1180160 =3*3*256*512+512
第9层: 2359808 =3*3*512*512+512
第10层:2359808 =3*3*512*512+512
第11层:2359808 =3*3*512*512+512
第12层:2359808 =3*3*512*512+512
第13层:2359808 =3*3*512*512+512
第14层:102764544=7*7*512*4096+4096
第15层:16781312 =4096*4096+4096
第16层:4097000 =4096*1000+1000
总计:138357544个
vgg16卷积层的计算量_卷积神经网络VGG16参数数量的计算和理解相关推荐
- vgg16卷积层的计算量_卷积神经网络VGG16详解
VGG网络图如下,本文要深入讲解的是很常用的VGG16网络.在看懂VGG16网络之前,先补一下卷积神经网络的知识,然后用代码实例来更好说明VGG16网络 VGG网络 图片数据如何输入? 彩色图像有RG ...
- 神经网络中参数数量的计算
详情请见: https://blog.csdn.net/qian99/article/details/79008053 https://www.cnblogs.com/touch-skyer/p/91 ...
- 分组卷积计算量_轻量级卷积神经网络的设计技巧
作者 | zhouyuangan 来源 | CVer 这篇文章将从一个证件检测网络(Retinanet)的轻量化谈起,简洁地介绍,我在实操中使用到的设计原则和idea,并贴出相关的参考资料和成果供读者 ...
- vgg16卷积层的计算量_深度学习_经典网络_VGG16和ResNet152哪个参数量更多
首先,我们我们知道深度学习中网络的计算量代表时间复杂度,参数量代表空间复杂度. 从ResNet的论文中可知(ResNet论文可在这个文章中的第六部分找到)152层的残差网络在时间复杂度上和VGG16是 ...
- 卷积层的主要作用_对卷积神经网络CNN的理解,一文读懂卷积神经网络。
什么是神经网络? 神经网络ANN全称为(artificial neutral network),也就是人工神经网络,是一种仿人类神经网络原理构造的一种计算机模型. 主要由:输入,权重,激活函数来构成一 ...
- 深度学习每层的通道数如何计算_深度学习基础系列(一)| 一文看懂用kersa构建模型的各层含义(掌握输出尺寸和可训练参数数量的计算方法)...
我们在学习成熟网络模型时,如VGG.Inception.Resnet等,往往面临的第一个问题便是这些模型的各层参数是如何设置的呢?另外,我们如果要设计自己的网路模型时,又该如何设置各层参数呢?如果模型 ...
- 根据经纬度计算范围_倾斜摄影结合BIM做精细化土方计算(Photoscan+CAD+Revit计算)...
土石方工程量的核算往往是工程预算与结算中的争议与焦点,运用BIM建模的方法模拟土石方的开挖与回填,让人直观有效地开展土石方的挖运分析与运算,能做到土方平衡计算的精确化与精细化,并且大节约争议的时间,对 ...
- 手工计算深度学习模型中的参数数量
https://www.toutiao.com/a6649299295855968782/ 2019-01-22 20:37:14 计算深度学习模型的可训练参数的数量被认为太微不足道了,因为您的代码已 ...
- 相对湿度计算软件_冷却塔填料的用量要怎么计算?
这段时间有一些朋友咨询冷却塔填料怎么计算用量多少?在冷却塔填料的选择上,除了要求填料的比表面积及空隙率要大,填料适度性能好,有足够的机械强度外.还要求单位体积填料的质量要轻,造价低,化学稳定性好且具有 ...
最新文章
- 开源 软件测试自动化工具,开源Web自动化测试工具Selenium IDE
- Android消息处理机制
- Java黑皮书课后题第6章:**6.3(回文整数)使用下面的方法头编写两个方法:……使用reverse方法实现isPalindrome。如果一个数字的逆序数和它自身相等,这个数就称为回文数。
- DXperience 8.2.4 简繁体汉化,本地化,Skins包含webform,winform
- mysql加上判断_在mysql中where加if判断
- ZOJ 1760 How Many Shortest Path
- 产品不简单之产品设计方法论整理
- 央视放出荣耀9X系列广告宣传片:麒麟810处理器+侧面指纹识别
- opencv HOG SVM 二
- linux sed工具,玩转Linux - 神级工具 sed awk
- bzoj 3110: [Zjoi2013]K大数查询(树套树)
- [CF321E] Ciel and Gondolas
- 杭电计算机接口实验报告,杭电新闻
- dorado7.x关闭子页面,刷新父页面
- 新浪博客服务器是不是在维护,近日新浪博客发布文章不能正常显示是为什么?...
- 在线正则表达式测试工具
- python画蜡烛致敬烈士_Matplotlib 蜡烛图教程
- PHP返回凌晨好早晨好中午好下午好等
- 【测试工具】-性能测试-GT学习笔记
- 《生命不息,折腾不止》 罗永浩著
热门文章
- Wps和word共存
- android使用webview登录,android – 使用WebView登录Twitter
- 抖音web端私信websocket-protobuf 浅学
- vmware linux 3d加速,Ubuntu虚拟机安装Virtualbox增强功能启用3D加速
- 开源向左,自研向右,100%自研的QingStor存储再升级
- maya动画镜像_《Maya角色动画规律及设定Alpha MEDIA》随书光盘(MAYA Animation Ring)3[光盘镜像]...
- 2016年我的读书计划
- Leetcode 765. 情侣牵手 C++
- 电感值、电容值的理解(下)
- 音频静默时间截取工具