LeNet-5卷積/池化/全連接參數計算

卷積/池化/全連接參數計算 以Lenet-5爲例子： LeNet-5有7層： C1.卷積+激勵 參數的個數爲:(fitler+bias) * channel_depth S2.池化（降低參數量，降低過擬合） C3.卷積+激勵 LeNet-5的核心：使用不同channel數量的卷積得到不同的feature map，爲了降低計算參數(當時GPU性能不高) 如下:6個3層channel+9個4層chan

>>阅读原文<<