Le nombre de paramètres dans une couche Conv serait: ((m * n * d) +1) * k), ajouté 1 en raison du terme de biais pour chaque filtre. La même expression peut être écrite comme suit: ((forme de largeur du filtre * forme de hauteur du filtre * Nombre de filtres dans la couche précédente + 1) * Nombre de filtres).
- Combien de paramètres sont dans une couche convolutionnelle?
- Combien de paramètres mon CNN devrait-il avoir?
- Comment déterminez-vous le nombre de paramètres dans une couche entièrement connectée?
Combien de paramètres sont dans une couche convolutionnelle?
Dans un CNN, chaque couche a deux types de paramètres: les poids et les biais.
Combien de paramètres mon CNN devrait-il avoir?
"Dans les images en couleur, chaque filtre est lui-même un filtre 3D. Cela signifie que chaque filtre a un certain nombre de paramètres: (hauteur x largeur x profondeur) = (3 x 3 x 3 = 27) . Vous pouvez voir comment la complexité du réseau augmente lors du traitement des images couleur car elle doit optimiser plus de paramètres..."
Comment déterminez-vous le nombre de paramètres dans une couche entièrement connectée?
Couches entièrement connectées: Dans une couche entièrement connectée, toutes les unités d'entrée ont un poids séparé à chaque unité de sortie. Pour n entrées et M sorties, le nombre de poids est n * m . De plus, vous avez un biais pour chaque nœud de sortie, vous êtes donc à (n + 1) * m paramètres.