ニューラルネットワーク内のパラメータの数を計算する方法を理解することは、モデルの設計と分析のために不可欠です。 パラメータには、ネットワークがトレーニング中に学習する体重とバイアスが含まれます。 このガイドでは、ニューラルネットワークモデルのパラメータの合計数を決定するための基本的な手順について説明します。

十分に接続された層の変数

完全に接続された(密接)層では、各入力は各ニューロンに重量を伴って接続し、各ニューロンはバイアスの用語を持っています。そのような層のパラメータの合計数は、次のように計算されます。

[] パラメータの数 = (入力数×ニューロン数) + ニューロン数]

条件層のパラメーターの計算

複雑なレイヤーの場合、フィルタサイズ、フィルタ数、および入力チャンネルに依存します。 式は次のとおりです。

[]パラメータの個数 = (フィルター高さ×フィルタ幅×入力チャンネル数×フィルタ数) + フィルター数[[]

モデルの合計変数

ニューラルネットワーク内のパラメータの合計数を見つけるには、すべての個々のレイヤーのパラメータを要約します。これにより、モデルの複雑さと容量の全体的な測定が可能になります。

計算例

100入力を受信し、50出力を生成する1つの完全に接続されたレイヤーを持つモデルを検討してください。 パラメータの数は:

  • (100 入出力×50 出力) + 50 枚 = 5,050 パラメータ

この計算は、モデルのサイズとトレーニングの要件を理解するのに役立ちます。