卷积层与批归一化层的参数量计算公式

Posted MarToony|名角

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了卷积层与批归一化层的参数量计算公式相关的知识,希望对你有一定的参考价值。

卷积层

公式:(卷积核的参数量 + 1) x 输出的特征层数(即该层的卷积核个数)
其中的1 表示偏置项,每个卷积核默认附加一个偏置项;

批归一化层

公式:4 x 输入的特征层数
其中4表示四个参数值,每个特征图对应一组四个元素的参数组合;
beta_initializer Beta 权重的初始值设定项。
gamma_initializer 伽马权重的初始值设定项。
moving_mean_initializer 移动均值的初始值设定项。
moving_variance_initializer 移动方差的初始值设定项。
参考:BatchNormalization

以上是关于卷积层与批归一化层的参数量计算公式的主要内容,如果未能解决你的问题,请参考以下文章

增加池化层后参数量

批归一化层和演化归一化激活层有啥用

理解CNN卷积层与池化层计算

深度学习笔记:归一化问题总结

深度学习入门基础CNN系列——批归一化(Batch Normalization)和丢弃法(dropout)

深度学习原理与框架- batch_normalize(归一化操作)