理解论文中关于 VGGNet 的一段话
Understanding a passage in the Paper about VGGNet
关于 VGGNet 的文章中有一段我不明白。也许有人可以提供帮助。
在我看来，一个卷积层的权重数是
p=w*h*d*n+n
其中 w 是过滤器的宽度，h 是过滤器的高度，d 是过滤器的深度，n 是过滤器的数量。
文章中是这样写的：
假设一个三层3×3的onvolution stack的输入和输出都有C个通道，stack参数化为3*(3^2*C^2) = 27C^2
重量;同时，单个 7×7 转换。层需要 7^2*C^2 = 49C^2 个参数。
不明白，这里的通道是什么意思，为什么要用这个公式。
谁能给我解释一下？
提前致谢。
你的直觉是正确的；我们只需要稍微解开他们的解释。对于第一种情况：
w = 3 # filter width
h = 3 # filter height
d = C # filter depth (number of channels is same as number of input filters; eg RGB is C=3)
n = C # number of output filters/channels
这将生成 whdn = 9C^2 参数。然后，他们还说其中三个堆叠在一起，所以那就是 27C^2.
对于单个7x7过滤器，那么都是一样的7x7xCxCx1。
最后的区别是你在原来的 post 的末尾再次添加了 n；那就是偏置项，在 VGG 中他们会跳过这些偏置项（许多人会跳过偏置项；它们的值在某些设置中是有争议的）。
关于 VGGNet 的文章中有一段我不明白。也许有人可以提供帮助。
在我看来，一个卷积层的权重数是
p=w*h*d*n+n
其中 w 是过滤器的宽度，h 是过滤器的高度，d 是过滤器的深度，n 是过滤器的数量。
文章中是这样写的：
假设一个三层3×3的onvolution stack的输入和输出都有C个通道，stack参数化为3*(3^2*C^2) = 27C^2 重量;同时，单个 7×7 转换。层需要 7^2*C^2 = 49C^2 个参数。
不明白，这里的通道是什么意思，为什么要用这个公式。
谁能给我解释一下？
提前致谢。
你的直觉是正确的；我们只需要稍微解开他们的解释。对于第一种情况：
w = 3 # filter width
h = 3 # filter height
d = C # filter depth (number of channels is same as number of input filters; eg RGB is C=3)
n = C # number of output filters/channels
这将生成 whdn = 9C^2 参数。然后，他们还说其中三个堆叠在一起，所以那就是 27C^2.
对于单个7x7过滤器，那么都是一样的7x7xCxCx1。
最后的区别是你在原来的 post 的末尾再次添加了 n；那就是偏置项，在 VGG 中他们会跳过这些偏置项（许多人会跳过偏置项；它们的值在某些设置中是有争议的）。