卷积神经网络参数量计算：128x128 RGB图像示例

第一层卷积层： 卷积核大小为3x3，每个卷积核有3个通道，共有64个卷积核，因此参数量为： 3 x 3 x 3 x 64 = 1,728

第二层池化层： 池化核大小为2x2，没有参数，不计入参数量。

第三层卷积层： 卷积核大小为5x5，每个卷积核有64个通道，共有128个卷积核，因此参数量为： 5 x 5 x 64 x 128 = 5,120,000

第四层池化层： 池化核大小为2x2，没有参数，不计入参数量。

第五层全连接层： 上一层的输出为128个特征图，每个特征图大小为14x14，将其展开为一维向量，共有128 x 14 x 14 = 25,088个神经元，加上偏置项，该层共有： 25,088 x 128 + 128 = 3,211,264

第六层输出层： 上一层的输出为128个神经元，每个神经元与10个类别相连，因此参数量为： 128 x 10 + 10 = 1,290

总参数量为： 1,728 + 5,120,000 + 3,211,264 + 1,290 = 8,333,282

因此该网络的参数量为8,333,282。