畳み込み層のパラメーター数

この高度に引用された論文、著者らは、重みパラメータの数に関する以下の説明を与えます。なぜパラメータがあるのか、私にはよくわかりません私はそれがあるべきだと思うの各以来、の入力チャネルを共有している同じフィルタ、パラメータを。 $49C^2$ $49C$ $C$ $49$

machine-learning deep-learning computer-vision

— ユーザー297850
ソース

ここで画像を使用すると、検索できないため、質問の質が低下します。代わりにテキストの使用を検討してください。

— Neil Slater

実際にはです。最初のは入力チャネルの数、2番目のはフィルターの数です。 $49C*C$ $C$ $C$

CS231nからの引用：

要約すると、Convレイヤー：

サイズボリュームを受け入れます $W_1 \times H_1 \times D_1$

4つのハイパーパラメータが必要です。

フィルターの数、 $K$

それらの空間範囲、 $F$

ストライド、 $S$

ゼロパディング量。 $P$

サイズボリュームを生成します。 $W_2 \times H_2 \times D_2$

$W_2 = (W_1 - F + 2P)/S + 1$

（つまり、幅と高さは対称性によって等しく計算されます） $H_2 = (H_1 - F + 2P)/S + 1$

$D_2 = K$

$F \cdot F \cdot D_1$ $(F \cdot F \cdot D_1) \cdot K$ $K$ バイアス。

$d$ $W_2 \times H_2$ $d$ $S$ $d$

ハイパーパラメータの一般的な設定は、です。ただし、これらのハイパーパラメータを動機付ける一般的な慣習と経験則があります。以下のConvNetアーキテクチャのセクションを参照してください。 $F = 3, S = 1, P = 1$

— アイブレード
ソース

こんにちはIcyblade、返信ありがとうございます。ただし、私の質問はまだ「パラメーター共有を使用すると、フィルターごとにFFD1の重みが導入される」というステートメントに関連しています。各単一フィルターにはD1入力チャネルへの2つの接続があることがわかっているため、このステートメントによると、このフィルターを接続する重みは異なりますさまざまな入力チャネルの中で、それは正しいですか？

— user297850 '20

これらの重みの値は異なりますが、数値は同じです。

— Icyblade 2017

ここで画像貼り付けを使用すると、検索できないため、回答の品質が低下します。代わりにテキストの使用を検討してください。しかし、私は答えに同意します-それは私には正しいようです。

— Neil Slater

@ user297850：質問を拡張しないでください-それでも問題が解決しない場合は、新しい質問をしてください。

— Neil Slater

@NeilSlaterヒントをありがとうございます。再フォーマットには少し時間がかかります。

— Icyblade 2017