摘要：
例：输入是m*m*c的图像，卷积核大小是k*k，其输出是n*n*d，也表示卷积核的数量是d，其总参数是多少，总的乘法计算量是多少？ 总参数：c*k*k*d 总乘法计算量：c*k*k*n*n*d 解释如下： 对于输出feature-map上某一个channel的点，经过如下两步得到： 1. 卷积核k* 阅读全文
posted @ 2019-05-25 15:28
墨麟非攻
阅读(1045)
评论(0)
推荐(0)
摘要：
SqueezeNet网络模型非常小，但分类精度接近AlexNet。 这里复习一下卷积层参数的计算 输入通道ci，核尺寸k，输出通道co，参数个数为： 以AlexNet第一个卷积为例，参数量达到：3*11*11*96=34848 基础模块 包含三个卷积层（蓝色），步长为1，分为squeeze和expa 阅读全文
posted @ 2019-05-25 11:52
墨麟非攻
阅读(3710)
评论(0)
推荐(0)
浙公网安备 33010602011771号