了解 Keras Conv2D 层中的参数数量答案

【问题标题】：Understanding number of parameters in Keras Conv2D layer了解 Keras Conv2D 层中的参数数量
【发布时间】：2019-11-22 09:51:15
【问题描述】：

我的第一层是：

model.add(tf.keras.layers.Conv2D(filters=32, kernel_size=3, padding="same", activation="relu", input_shape=[32, 32, 3]))

以及Model汇总表中的参数个数：

    Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_4 (Conv2D)            (None, 32, 32, 32)        896

根据我的理解，参数的数量必须是：

(No of filters) X (Number of parameters in Kernel)

即就我而言 ==> 32 X (3 X 3) = 288

但它是 896。896 是怎么来的？

谢谢

【问题讨论】：

标签： keras conv-neural-network convolution

【解决方案1】：

Keras Conv2D 层中的参数数量使用以下公式计算：

number_parameters = out_channels * (in_channels * kernel_h * kernel_w + 1)  # 1 for bias

所以，在你的情况下，

in_channels = 3
out_channels = 32
kernel_h = kernel_w = 3
number_parameters = 32(3*3*3 + 1) = 896

【讨论】：