参考

0. 前言

• keras可以计算卷积层中参数个数
• 在anaconda中安装keras

conda activate py35
pip install keras

1. 主要计算参数公式

$weight * x + bias$weight∗x+bias

2. 举例

• 代码

from keras.layers import Conv2D, MaxPooling2D, GlobalAveragePooling2D
from keras.layers import Dropout, Flatten, Dense
from keras.models import Sequential

model = Sequential()
model.add(Conv2D(16,(2,2),input_shape=(224,224,3)))   #输入为224*224*3大小的图片
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dense(133))
model.summary()

• 运行结果
  
• 分析
  • 已知：
    原始图像：shape：224 × 224 × 3
    卷积核大小为：2 × 2
    卷积核个数为：16
    全连接层神经元个数：133
  • 故第一层卷积层：
    一个卷积核的参数：2 × 2 × 3 = 12
    16个卷积核的参数总额：16 ×12 + 16 = 192 + 16 = 208
  • 故第二层池化层：
    参数个数：0
  • 故第三层全连接层：
    133 × 16 + 133 = 2261