卷积神经网络（CNN）的计算量和参数量计算

Furyboyyy

4888人浏览 · 2020-12-14 18:34:25

Furyboyyy · 2020-12-14 18:34:25 发布

今天看文章复习了一下计算量和参数量的计算方法，这里做一下笔记

忽略padding和stride的话，输入层，卷积核和输出层的关系，以及参数量、计算量如下(第二行是一个例子)

![在这里插入图片描述](https://img-blog.csdnimg.cn/20201214182057214.png

关于参数量：每个卷积核有 $K \times K \times M$ 个参数，那么共有N个卷积核，参数量就是 $K \times K \times M \times N$

关于计算量：每个卷积核遍历输入层，计算量是 $K×K×M×W_o×W_o$ ，那么N个卷积核的计算量就再乘上N。(这里乘上两个 $W_o$ 我没有做严格的证明)

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模