深度学习笔记_卷积神经网络参数计算

卷积后卷积层大小

• W2= (W1-F+2P)/S +1
• 即 (原始图像的宽度-卷积核的宽度+2倍的填充宽度)/步长 + 1
• 采用K个大小为FxF的卷积核，进行步长为S, 填充为P的卷积运算后，得到的层的宽为W2,高为H2, 深度为D2,计算如下所示。

参数量大小

• (FxFxD1)xK + K
• 即（卷积核宽x卷积核高）x卷积核的个数 + 偏差个数（即卷积核的个数，每一层有一个bias）
• 

Padding的大小

• P = (F-S)/2
• 即（卷积核的宽度-步长）的一半
•