درک چگونگی محاسبه تعداد پارامترهای موجود در یک شبکه عصبی برای طراحی و تجزیه و تحلیل مدل ها ضروری است. پارامترها شامل وزن و تعصبات است که شبکه در طول آموزش یاد می گیرد.این راهنما گام های اساسی برای تعیین تعداد کل پارامترهای در یک مدل شبکه عصبی را توضیح می دهد.

پارامترهایی که به طور کامل لایه های متصل شده اند

در یک لایه کاملا متصل (دense) ، هر ورودی به هر نورون با وزن متصل می شود و هر نورون دارای یک اصطلاح سوگیری است.تعداد کل پارامترهای موجود در چنین لایه ای محاسبه می شود:

تعداد پارامترهای = (شماره ورودی × × تعداد نورون ها) + تعداد نورون ها

محاسبه پارامترهای در لایه های کانویال

برای لایه های همجوشی، پارامترهای بستگی به اندازه فیلتر، تعداد فیلترها و کانال های ورودی دارد:

تعداد پارامترهای = ( عرض فیلتر × × × تعداد کانال های ورودی × تعداد فیلترهای) + تعداد فیلترهای

مجموع پارامترهای مدل

برای پیدا کردن تعداد کل پارامترهای موجود در یک شبکه عصبی، پارامترهای تمام لایه های فردی را خلاصه کنید.این یک اندازه کلی از پیچیدگی و ظرفیت مدل را فراهم می کند.

مثالی از Calculation

یک مدل را با یک لایه کاملا متصل که 100 ورودی و تولید 50 خروجی را دریافت می کند در نظر بگیرید: تعداد پارامترهای زیر:

  • (100 ورودی × 50 خروجی) + 50 سوگیری = 5،050 پارامتر

این محاسبه به درک اندازه و الزامات آموزش مدل کمک می کند.