Neuroverkon parametrien määrän laskeminen on olennaista mallien suunnittelussa ja analysoinnissa. Parametreihin kuuluvat painot ja ennakkoluulot, jotka verkosto oppii koulutuksen aikana. Tässä oppaassa selvitetään perusvaiheet, joilla määritetään hermoverkkomallin parametrien kokonaismäärä.

Parametrit täysin yhdistetyissä kerroksissa

Täysin yhdistetyssä (jännitys) kerroksessa jokainen syöte yhdistää kuhunkin neuroniin painolla, ja jokaisella neuronilla on puolueellinen termi. Parametreja on yhteensä tällainen kerros lasketaan seuraavasti:

Parametrien lukumäärä = (syötteiden lukumäärä × neuronien lukumäärä) + neuronien lukumäärä[

Parametrien laskeminen konvolutionaalikerroksissa

Konvolutionaalisten kerrosten osalta parametrit riippuvat suodattimen koosta, suodattimien lukumäärästä ja syöttökanavista.

Parametrien lukumäärä = (Filter height × Filter leveys × Number of input channels × Number of filters) + Suodattimien lukumäärä

Mallin kokonaisparametrit

Jotta parametrien kokonaismäärä löytyy hermoverkosta, summaa kaikkien yksittäisten kerrosten parametrit. Tämä antaa kokonaismittauksen mallin monimutkaisuudesta ja kapasiteetista.

Esimerkkilaskenta

Harkitse mallia, jossa on yksi täysin yhdistetty kerros, jossa on 100 tuloa ja 50 lähtöä. Parametreja on:

  • (100 tuloa × 50 lähtöä) + 50 harhaa = 5.050 muuttujaa

Laskelma auttaa ymmärtämään mallin kokoa ja koulutusvaatimuksia.