如何计算CNN网络中的总参数数量

这里是代码:

input_shape = (32, 32, 1)flat_input_size = input_shape[0]*input_shape[1]*input_shape[2]num_classes = 4cnn_model = Sequential()cnn_model.add(Conv2D(32, (3, 3), padding='same',                 input_shape=input_shape))cnn_model.add(Activation('relu'))cnn_model.add(MaxPooling2D(pool_size=(2, 2)))cnn_model.add(Conv2D(64, (3, 3)))cnn_model.add(Activation('relu'))cnn_model.add(MaxPooling2D(pool_size=(2, 2)))cnn_model.add(Dropout(0.25))cnn_model.add(Conv2D(128, (3, 3), padding='same'))cnn_model.add(Activation('relu'))cnn_model.add(MaxPooling2D(pool_size=(2, 2)))cnn_model.add(Dropout(0.25))cnn_model.add(Flatten())cnn_model.add(Dense(512))cnn_model.add(Activation('relu'))cnn_model.add(Dropout(0.5))cnn_model.add(Dense(num_classes))cnn_model.add(Activation('softmax'))

这是结果

如何得到320, 18496, 73856, 590336, 2052，有人能解释一下吗？

回答：

你可以使用这个通用公式:

channels_in * kernel_width * kernel_height * channels_out + num_channels

所以第一个例子:

1 * 3 * 3 * 32 + 32 = 320

第二个:

32 * 3 * 3 * 64 + 64 = 18,496

增加的通道数是偏置项。