卷积过程的参数量计算问题

假定：

M：每个卷积核输出特征图（Feature Map）的边长

K：每个卷积核（Kernel）的边长

Cin：每个卷积核的通道数，也即输入通道数，也即上一层的输出通道数

Cout：本卷积层具有的卷积核个数，也即输出通道数

可见：每个卷积层的时间复杂度由输出特征图面积M²，卷积核面积K²，输入Cin和输出通道Cout完全决定。

其中，输出特征图尺寸本身又由输入矩阵尺寸X，卷积核尺寸K，Padding，Stride这四个参数所决定，表示如下：

M = （X - K + 2 × Padding）/ Stride + 1

注1：为了简化表达式中的变量个数，这里统一假设输入和卷积核的形状都是正方形。

注2：严格来讲每一层应该还包含1个Bias参数，这里为了简洁就省略了。

这里举个例子，假设一个卷积层：输入224×224×3，输出224×224×64，卷积核大小为3×3。

计算量： Times = 224 × 224 × 3 × 3 × 3 × 64 = 8.7 × 10^7

参数量： Space = 3 × 3 × 3 × 64 = 1728