CNN核与模型参数量及计算量

简介：
本文探讨了CNN中核函数的选择及其对模型参数量和计算量的影响，分析不同结构下的效率与性能权衡。 CNN基础知识不够扎实会导致理解上的问题与困惑。因此，在这里对卷积层中的关键参数、卷积过程及通道（channel）进行回顾总结。 1. 卷积过程基本概念 在之前的笔记中，我详细解释了卷积过程的基础知识。然而，如果不经常复习，很容易遗忘和产生误解。所以必须不断巩固这些基础知识以加深理解。 1.1 特征图 (feature map) 每个CNN的卷积层处理的数据都是三维结构：可以想象成许多二维图像堆叠在一起（像一摞豆腐皮），每一个这样的二维平面就是一个特征图(feature map)。 - 在输入层，如果是灰度图片，则只有一个特征图；如果是彩色图片，则通常有三个特征图。