我们如何计算卷积神经网络的权重数量,该网络用于将图像分为两类:
- 输入:100x100灰度图像。
- 第1层:具有60个7x7的卷积滤波器的卷积层(步幅=1,valid填充)。
- 第2层:具有100个5x5的卷积滤波器的卷积层(步幅=1,valid填充)。
- 第3层:通过因子4降采样Layer 2的最大池化层(例如,从500x500到250x250)
- 第4层:具有250个单元的密集层
- 第5层:具有200个单元的密集层
- 第6层:单个输出单元
假设每层都存在偏差。 此外,池化层具有权重(类似于AlexNet)
此网络有多少个权重?
一些Keras代码
import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Conv2D, MaxPooling2D
model = Sequential()
# Layer 1
model.add(Conv2D(60, (7, 7), input_shape = (100, 100, 1), padding="same", activation="relu"))
# Layer 2
model.add(Conv2D(100, (5, 5), padding="same", activation="relu"))
# Layer 3
model.add(MaxPooling2D(pool_size=(2, 2)))
# Layer 4
model.add(Dense(250))
# Layer 5
model.add(Dense(200))
model.summary()
model.summary()
。 - Daniel Möller