Machine learning 理解一篇关于VGGNet的文章
我不理解这篇文章中关于VGNET的一段。也许有人能帮忙 在我看来，卷积层中的权重数是Machine learning 理解一篇关于VGGNet的文章,machine-learning,deep-learning,classification,conv-neural-network,imagenet,Machine Learning,Deep Learning,Classification,Conv Neural Network,Imagenet,我不理解这篇文章中关于VGNET的一段。也许有人能帮忙 在我看来，卷积层中的权重数是 p=w*h*d*n+n 其中w是过滤器的宽度，h是过滤器的高度，d是过滤器的深度，n是过滤器的数量 文章中写道： 假设一个三层3×3的onvolution堆栈的输入和输出都有C个通道，堆栈的参数化为3*（3^2*C^2）=27C^2 重量；同时，单个7×7转换层需要7^2*C^2=49C^2参数 我不明白这里的频道是什么意思，为什么使用这个公式 有人能给我解释一下吗 提前感谢。你的直觉是正确的；我们只需要解开
p=w*h*d*n+n
提前感谢。你的直觉是正确的；我们只需要解开他们的解释。对于第一种情况：
w = 3 # filter width
h = 3 # filter height
d = C # filter depth (number of channels is same as number of input filters; eg RGB is C=3)
n = C # number of output filters/channels
whdn=9C^227C^27x77x7xCxCx1n