本视频 内容：

• cnn 里面 的 可学习参数是啥
• 如何 计算 cnn 里面 的可学习 参数 的个数
• 计算 的示范

在普通 的 fully connect layers

weights 的计算方式如下：

在 cnn 中

首先：

filterl == kernel

把三个 部分 的 参数 加起来吧，就行了

计算的例子

第一个hidden layer

$3\ast (2\ast 3\ast 3)+2=56$

接下的一层；

$2\ast (3\ast (3\ast 3))+3=57$

output layer:

20 * 20 * 3 = 1200 这是因为 我们的 conv layer 包含 zero padding，所以，输出还是 原图 的 尺寸： 20x20

乘上 3 个 filter 就是 1200

注意 ： output layer 是 dense layer

所以： 1200 * 2 + 2(bais) = 2402

最后的参数

参考：

https://www.youtube.com/watch?v=iuJgyiS7BKM&list=PLZbbT5o_s2xq7LwI2y8_QtvuXZedL6tQU&index=34