我们需要为以下 CNN 模型优化多少个模型参数？

Question

我们使用以下卷积神经网络对一组 32×32 灰度图像进行分类（因此输入大小将为 32$\times$32$\times$1）：

1. 第 1 层：具有 ReLU 非线性激活函数的卷积层，100 个 5×5 过滤器，步幅为 1。

2. 第 2 层：2×2 最大池化层

3. 第 3 层：具有 ReLU 非线性激活函数的卷积层，50 个 3×3 滤波器，步幅为 1。

4. 第 4 层：2×2 最大池化层

5. 第5层：全连接层

6. 第6层：分类层

我们需要在第一层和第二层优化多少个模型参数（假设使用偏差项）

Answer 1

可以使用tensorflow显示可训练参数的个数：

import tensorflow as tf
from tensorflow.keras import layers

def make_model():
    model = tf.keras.Sequential()
    model.add(layers.Conv2D(100, (5, 5), strides=1,input_shape=[32, 32, 1]))
    model.add(layers.LeakyReLU())
    model.add(layers.MaxPooling2D(pool_size=(2, 2)))

    return model

model=make_model()

model.summary()

这给出了 2600 个可训练参数和 0 个不可训练参数。