Keras CNN模型參數計算

我使用Keras 1.1.1創建的cnn模型有兩個卷積池層，後面是兩個密集層，在第二個卷積池層和第一個密集層之後添加了丟失。的代碼如下：Keras CNN模型參數計算

model = Sequential() 
#convolution-pooling layers 
model.add(Convolution2D(32, 5, 5, input_shape=input_shape)) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Convolution2D(64, 5, 5)) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 
#dense layers 
model.add(Flatten()) 
model.add(Dense(100)) 
model.add(Activation('relu')) 
model.add(Dropout(0.5)) 
model.add((Dense(2))) 
model.add(Activation('softmax')) 
#optimizer 
sgd = SGD(lr=1e-3, decay=1e-6, momentum=0.9, nesterov=True) 
model.compile(loss='categorical_crossentropy', 
       optimizer = sgd, 
       metrics=['accuracy']) 
print model.summary()

模型總結出表格如下：

我不清楚如何的第二卷積層的參數（即，51264的數由紅色矩形指示）被計算。我認爲這個數字是（5 * 5 + 1）* 64 = 1664，因爲卷積核的大小是5 * 5，要提取64個特徵地圖。

此外，我已經實施了丟失。爲什麼參數表不能反映這一點。看起來沒有丟失的參數號碼被給出，儘管在表格中列出了丟失（層）。任何人都可以幫我解釋參數摘要？

來源

2017-06-17 jingweimo

關於丟失：這在訓練期間隨機禁用神經元。它們仍然存在於您的模型中，因此不會因模型摘要中的參數數量而減少。 – petezurich

我認爲你是對的 – jingweimo

它是一個相當簡單的計算與基本概念。並通過查看您的代碼和模型總結這是我的步驟。

步驟1：式計算參數

total_params =
（filter_height * filter_width * input_image_channels + 1）* NUMBER_OF_FILTERS

步驟2：計算參數第一層

filter_height = 5，
filter_weight = 5，
input_image_channels = 1
number_of_filters = 32
雖然你還沒有給我們提供了開關輸入圖像通道，但我理解了它從你的參數值。現在

我們將計算爲第一CONV層參數的數目。

total_param =（5 * 5 * 1 + 1）* 32 = 832

步驟3：同樣，我們可以計算出第二CONV層。 請注意，來自上一層的濾鏡數量將成爲當前圖層輸入圖像的通道數量。

filter_height = 5，
filter_weight = 5，
input_image_channels = 32
number_of_filters = 64

現在，我們將計算爲第二CONV層參數的數目。

total_param =（5 * 5 * 32 + 1）* 64 = 51264

來源

2017-06-18 09:08:09 blitu12345

謝謝！這是有道理的 – jingweimo

嘿@jingweimo，如果我的答案是有道理的，你可以請接受它。 – blitu12345

至於問題的第二部分：

漏失層隨機訓練過程中禁用的神經元。它們仍然存在於您的模型中，因此不會從模型摘要中的參數數量中折扣。

來源

2017-06-18 13:54:00 petezurich

Keras CNN模型參數計算

回答

相關問題