jboscher personnel demandée il y a 4 ans
Supposons que vous ayez ces lignes de code TensorFlow :
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation=’relu’, input_shape=(512, 512, 3), padding= »same »))
Combien aurez-vous de paramètres ?
1 – l’input shape n’a pas d’importance
2 – le nombre de features maps en input et en output intervient dans la formule
3 – tout comme celle du filtre
La formule, pour une convolution sera : ( (3 (input feature maps) * kernel (3 * 3)) + 1 (biais)) * 32 (output feature maps) = 896 ((3*(3*3))+1)*32
Model: « sequential_1 »
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_12 (Conv2D) (None, 512, 512, 31) 868
=================================================================
Total params: 868
Trainable params: 868
Non-trainable params: 0
_________________________________________________________________
Voir ici pour d’autres cas
