138M是指该网络的参数总数，即包括所有卷积层和全连接层。观察由3个conv3-256层组成的第3个卷积阶段：
- 第一个具有N=128的输入面板和F=256输出面板，
- 另外两个具有N=256的输入面板和F=256输出面板。
- 第一个有295,168个参数，其中128x3x3x256（权重）+ 256（偏差）= 295,168个参数
- 后两个共有590,080个参数，每个都有256x3x3x256（权重）+ 256（偏差）= 590,080个参数。
-更新：各层之间的分割如下：
conv3-64 x 2 : 38,720
conv3-128 x 2 : 221,440
conv3-256 x 3 : 1,475,328
conv3-512 x 3 : 5,899,776
conv3-512 x 3 : 7,079,424
fc1 : 102,764,544
fc2 : 16,781,312
fc3 : 4,097,000
TOTAL : 138,357,544
特别是对于全连接层（fc）：
fc1 (x): (512x7x7)x4,096 (weights) + 4,096 (biases)
fc2 : 4,096x4,096 (weights) + 4,096 (biases)
fc3 : 4,096x1,000 (weights) + 1,000 (biases)
(x) 请参阅文章的第3.2节：全连接层首先被转换为卷积层（第一个FC层变成7×7的卷积层，最后两个FC层变成1×1的卷积层）。
fc1的详细信息
如上所述，在将输入传递给全连接层之前，空间分辨率为7×7像素。这是因为该VGG Net在卷积之前使用了空间填充，详见论文第2.1节：
[...]卷积层输入的空间填充使得在卷积之后空间分辨率得以保留，即对于3×3的卷积层来说，填充应为1个像素。
通过这样的填充，并且使用224×224像素的输入图像，在最后一个卷积/池化阶段之后，分辨率会按以下方式降低：512个特征映射的112×112、56×56、28×28、14×14和7×7。
这给出了一个具有512x7x7维度的特征向量，传递给fc1。
5
在CS231n课程笔记中，对VGG-16网络的计算进行了很好的解析。
INPUT: [224x224x3] memory: 224*224*3=150K weights: 0
CONV3-64: [224x224x64] memory: 224*224*64=3.2M weights: (3*3*3)*64 = 1,728
CONV3-64: [224x224x64] memory: 224*224*64=3.2M weights: (3*3*64)*64 = 36,864
POOL2: [112x112x64] memory: 112*112*64=800K weights: 0
CONV3-128: [112x112x128] memory: 112*112*128=1.6M weights: (3*3*64)*128 = 73,728
CONV3-128: [112x112x128] memory: 112*112*128=1.6M weights: (3*3*128)*128 = 147,456
POOL2: [56x56x128] memory: 56*56*128=400K weights: 0
CONV3-256: [56x56x256] memory: 56*56*256=800K weights: (3*3*128)*256 = 294,912
CONV3-256: [56x56x256] memory: 56*56*256=800K weights: (3*3*256)*256 = 589,824
CONV3-256: [56x56x256] memory: 56*56*256=800K weights: (3*3*256)*256 = 589,824
POOL2: [28x28x256] memory: 28*28*256=200K weights: 0
CONV3-512: [28x28x512] memory: 28*28*512=400K weights: (3*3*256)*512 = 1,179,648
CONV3-512: [28x28x512] memory: 28*28*512=400K weights: (3*3*512)*512 = 2,359,296
CONV3-512: [28x28x512] memory: 28*28*512=400K weights: (3*3*512)*512 = 2,359,296
POOL2: [14x14x512] memory: 14*14*512=100K weights: 0
CONV3-512: [14x14x512] memory: 14*14*512=100K weights: (3*3*512)*512 = 2,359,296
CONV3-512: [14x14x512] memory: 14*14*512=100K weights: (3*3*512)*512 = 2,359,296
CONV3-512: [14x14x512] memory: 14*14*512=100K weights: (3*3*512)*512 = 2,359,296
POOL2: [7x7x512] memory: 7*7*512=25K weights: 0
FC: [1x1x4096] memory: 4096 weights: 7*7*512*4096 = 102,760,448
FC: [1x1x4096] memory: 4096 weights: 4096*4096 = 16,777,216
FC: [1x1x1000] memory: 1000 weights: 4096*1000 = 4,096,000
TOTAL memory: 24M * 4 bytes ~= 93MB / image (only forward! ~*2 for bwd)
TOTAL params: 138M parameters
4
使用上述内容，以及2.1 架构
在训练过程中，我们的ConvNets的输入是固定大小的224 × 224 RGB图像。我们唯一的预处理是从每个像素中减去在训练集上计算得出的平均RGB值。
图像通过一堆卷积(conv.)层传递，其中我们使用具有非常小的感受野的滤波器：3×3（这是捕捉左/右、上/下、中心概念的最小尺寸）。卷积步幅固定为1像素；对于3×3 conv.层，卷积层输入的空间填充使得空间分辨率在卷积后保持不变，即对于3×3 conv.层，填充为1像素。空间池化由五个最大池化层执行，这些层遵循一些卷积层（并非所有卷积层都跟随最大池化）。最大池化在2×2像素窗口上执行，步幅为2。
一堆卷积层（在不同的架构中具有不同的深度）后面是三个全连接（FC）层：前两个分别具有4096个通道，第三个执行1000路ILSVRC分类，因此包含1000个通道（每个类别一个）。
最后一层是软最大化层。
- 一种公式来查找层的激活形状！
- 计算每层权重的公式：
注意：
你可以简单地将相应的激活形状列相乘以获取激活大小。
CONV3：意味着一个3*3的过滤器将在输入上进行卷积！
MAXPOOL3-2：意味着第三个池化层，使用2*2的过滤器，步幅为2，填充为0（在池化层中非常标准）。
阶段-3：意味着它有多个堆叠的CONV层！具有相同的填充=1，步幅=1和过滤器3*3。
Cin：表示来自输入层的深度，也称为通道！
Cout：表示深度，即出站（您可以以不同方式配置它，以学习更复杂的功能！），
Cin和Cout是您堆叠在一起以在不同比例上学习多个特征的过滤器数量，例如在第一层中，您可能希望学习垂直边缘、水平边缘和45度的边缘等等，64种不同类型的边缘过滤器！！
n：输入维度，不包括深度，例如输入图像的n=224！
p：每层的填充
s：每层使用的步幅
f：过滤器大小，例如CONV的3*3和MAXPOOL层的2*2！
在MAXPOOL5-2之后，您只需将卷积体展平并将其与第一个FC层接口即可！
我们得到表格：
最后，如果您将最后一列中计算的所有权重相加，您将得到138,357,544（1.38亿）个参数，用于训练VGG-15！
以下是计算每个CNN层参数数量的方法：
一些定义
n--过滤器宽度
m--过滤器高度
k--输入特征图数
L--输出特征图数
那么参数数量 #= (n*m*k+1)*L，其中第一个部分来自权重，第二个部分来自偏置。
3
原文链接
S代表什么？下采样的Stride吗？@runDOSrun - nn0p