我正在关注关于深度学习的 Andrew-ng coursera 课程，那里有人问了一个我无法找到答案的问题？
假设您的输入是 300 x 300 彩色 (RGB) 图像，并且您使用具有 100 个过滤器的卷积层，每个过滤器都是 5x5。这个隐藏层有多少个参数（包括偏置参数）？
2501
2600
7500
7600
Conv2d 层中有多少个参数？
数据挖掘
机器学习
深度学习
卷积
卷积神经网络
2021-10-12 12:57:52
3个回答
正确答案是第四个。
由此，计算卷积层中参数数量的公式为 (n m l +1)*k，其中 n = m = 5，k = 100，l = 3 和 +1 表示偏差。
根据课程中的方程式：
- 重量
5 * 5 * 3 * 100 = 7500 - 偏见
100
所以总共是7600。
由于我们有一个 RGB 图像，所以我们的过滤器从 2D 变为 3D，其尺寸将为 5 * 5 *（前一层的通道数）= 5 * 5 * 3 = 75
现在我们有 100 个这样的过滤器，所以总参数增加到 = 75 * 100 = 7500
每个过滤器都有一个与之相关的恒定偏差，因此这为每个过滤器引入了 100 个偏差或增加了 l00 个特征
所需的总功能 = 5 * 5 * 3 * 100 + 100 = 7600