如何使用 BatchNormalization 计算 CNN 模型中的参数数量

【问题标题】：How to calculate numbers of parameters in CNN model with BatchNormaliztion如何使用 BatchNormalization 计算 CNN 模型中的参数数量
【发布时间】：2019-03-05 21:39:09
【问题描述】：

我有这个型号

谁能解释一下如何计算每一层的参数数量以及为什么“conv2d_3”层有18464个参数。

【问题讨论】：

This 可能会回答您的部分问题。
对于 BatchNormalization 层：它有 4 个参数，并且应用于最后一个轴，所以总体上它有 4 * dimension_of_last_axis 参数。
conv2d_3是如何得到18464个参数的@today
您阅读我提到的答案了吗？那里已经提到过。

标签： neural-network keras conv-neural-network keras-layer

【解决方案1】：

正如@today 提到的，你应该先检查this post。

conv_3d: 18464 = 32*3*3*64（卷积核）+32（每次激活的偏差）

batch_normalization_1: 128 = 32 * 4

我相信批量标准化层中的两个参数是不可训练的。因此bn_1中的64个参数和bn_2中的128个参数是最后的192个non-trainable params。

【讨论】：