Tensorflow 卷积层MACC运算计数的理解问题

我有下面的代码来计算卷积层的MACC

  def count_conv2d(layers, log=False):
    if log:
       print(layers.get_config())
    #number of conv operations = input_h * input_w / stride = output^2
    numshifts = int(layers.output_shape[1] * layers.output_shape[2])

    # MAC/convfilter = kernelsize^2 * InputChannels * OutputChannels
    MACperConv = layers.get_config()["kernel_size"][0] * layers.get_config()["kernel_size"][1] * 
    layers.input_shape[3] * layers.output_shape[3]
    if layers.get_config()["use_bias"]:
        ADD = layers.output_shape[3]
    else:
        ADD = 0
    return MACperConv * numshifts * 2 + ADD

下面列出了文献综述和在线资源中计算MACC操作的公式。我想问一下在上述函数定义中添加的目的是什么

   K × K × Cin × Hout × Wout × Cout 

---

谢谢，非常感谢您的帮助。

当使用

偏差时，还有一个附加的求和（+）操作。只要卷积层中有滤波器/通道，
偏差
向量就很长。在执行卷积运算后，返回结果的每个通道

因此，如果存在偏差（
use_bias
为True），那么您也必须计算加法运算（+），并将它们添加到结果中。如果没有使用偏差，则执行0加法运算，因此将0添加到结果中。
Hi@AndreaAngeli，为什么我们要在公式中计算加法运算，它不在那里？请你把这件事告诉我好吗？谢谢你的帮助。