Deep Learning---caffe模型参数计算

阅读量：

Draw_convnet

这里写图片描述

该图像系采用开源软件draw_convnet(https://github.com/gwding/draw_convnet)生成的。在清楚整个前向计算网络中的每一个层的输入输出以及参数设置后可以自己手动画出计算图出来，对于参数量计算就很直观了。进行绘制所得。

feature map大小计算

复制代码

    输入：N0*C0*H0*W0 
    输出：N1*C1*H1*W1 
    输出的feature map大小： 
    H1=(H0+2×pad−kernel_size) / stride+1 
    W1=(W0+2×pad−kernel_size) / stride+1 
    当输入的H0 == W0时，公式可以简化为：
    H1=W1=(h + 2xpad - kernel_size) / stride + 1

注：当stride设置为1时，若pad值等

全部评论 (0)

还没有任何评论哟~