kerasで以下のようなCNNアーキテクチャを作ります。
python
1model = Sequential() 2 3model.add(Conv2D(filters = 32, kernel_size = (5,5), padding = 'same', activation ='relu', input_shape = (28,28,1))) 4model.add(Conv2D(filters = 32, kernel_size = (5,5), padding = 'same', activation ='relu')) 5model.add(MaxPool2D(pool_size=(2,2))) 6model.add(Dropout(0.25)) 7 8 9model.add(Conv2D(filters = 64, kernel_size = (3,3), padding = 'same', activation ='relu')) 10model.add(Conv2D(filters = 64, kernel_size = (3,3), padding = 'same', activation ='relu')) 11model.add(MaxPool2D(pool_size=(2,2), strides=(2,2))) 12model.add(Dropout(0.25)) 13 14model.add(Flatten()) 15model.add(Dense(256, activation = "relu")) 16model.add(Dropout(0.25)) 17model.add(Dense(10, activation = "softmax"))
この時、model.summaryを見ると
python
1_________________________________________________________________ 2Layer (type) Output Shape Param # 3================================================================= 4conv2d_1 (Conv2D) (None, 28, 28, 32) 832 5_________________________________________________________________ 6conv2d_2 (Conv2D) (None, 28, 28, 32) 25632 7_________________________________________________________________ 8max_pooling2d_1 (MaxPooling2 (None, 14, 14, 32) 0 9_________________________________________________________________ 10dropout_1 (Dropout) (None, 14, 14, 32) 0 11_________________________________________________________________ 12conv2d_3 (Conv2D) (None, 14, 14, 64) 18496 13_________________________________________________________________ 14conv2d_4 (Conv2D) (None, 14, 14, 64) 36928 15_________________________________________________________________ 16max_pooling2d_2 (MaxPooling2 (None, 7, 7, 64) 0 17_________________________________________________________________ 18dropout_2 (Dropout) (None, 7, 7, 64) 0 19_________________________________________________________________ 20flatten_1 (Flatten) (None, 3136) 0 21_________________________________________________________________ 22dense_1 (Dense) (None, 256) 803072 23_________________________________________________________________ 24dropout_3 (Dropout) (None, 256) 0 25_________________________________________________________________ 26dense_2 (Dense) (None, 10) 2570 27================================================================= 28Total params: 887,530 29Trainable params: 887,530 30Non-trainable params: 0 31_________________________________________________________________
となります。ここで質問なのですが、conv2D_1のパラメータ数は、
832=((5*5)+1)*32
でわかるのですが、conv2D_2のパラメータ数が
((5*5)+1)3232=26624
ではなく25632となっているのはなぜでしょうか?自分の考え方としては、conv2D_1でできた32枚の特徴マップに対し、55の32枚のフィルターを適用するのでバイアス項を考えて,各特徴マップに対し((55)+1)32のパラメータが入り、それが32枚なので((55)+1)3232=26624と考えました。

回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2018/12/23 03:40
2018/12/23 05:16