卷积神经网络参数量计算：详解128x128 RGB图像网络参数

假设输入是一张128x128的RGB彩色图像，如果网络第一个卷积层的卷积核为3x3的大小，步长为1，共有64个卷积核，后接一个步长为2的2x2平均池化层，随后再接两层核大小为5×5，卷积核个数为128的卷积层以及一层步进为2的2x2的平均池化层，最后接含有128个神经元的全连接层和一个含有10个神经元的输出层，试计算该网络的参数量。 (5x5的卷积核步长为1，假设卷积过程默认加入Padding，卷积之后的特征图尺寸大小不变）

您的解答基本正确，但有一些小错误。以下是正确答案和详细解答：

第一层卷积层参数量：

• 卷积核大小：3x3x3（RGB三个通道）=27
• 卷积核个数：64
• 偏置项：每个卷积核一个偏置项
• 参数量：27x64+64=1,792

第二层卷积层参数量：

• 卷积核大小：5x5x64（第一层卷积层输出的特征图有64个通道）=16,000
• 卷积核个数：128
• 偏置项：每个卷积核一个偏置项
• 参数量：16,000x128+128=2,049,280

全连接层参数量：

• 输入神经元个数：128（第二层卷积层输出的特征图大小为7x7，有128个通道）
• 输出神经元个数：128
• 参数量：128x7x7x128+128=6,432,128

输出层参数量：

• 输入神经元个数：128
• 输出神经元个数：10
• 参数量：128x10+10=1,290

因此，该网络的总参数量为：1,792+2,049,280+6,432,128+1,290=8,480,490。