N 输入图片个数
C 输入图片的通道数
H 输入图片的高
W 输入图片的宽
N1 输入图片个数
C1 输入图片的通道数
H1 输入图片的高
W1 输入图片的宽
k 卷积核尺寸
1.进行一次卷积所计算的次数 KKC1CH1W1
2.进行一次卷积的参数 KKC1C
3.通过卷积后输出结果的尺寸
例如：
1.一直某卷积层为nn.conv2d(in_channels=3, out_channels=6, kernel_size=5),输入张量为64X3x256x256(NCH*W)
1.1 试求出输出张量的size
1.2求出卷积层的权重参数数量
1.3求出整个卷积层的乘法计算次数
本文转载自: https://blog.csdn.net/Lightismore/article/details/124434075
版权归原作者 浅念念52 所有， 如有侵权，请联系我们删除。
版权归原作者 浅念念52 所有， 如有侵权，请联系我们删除。