关于图像参数的几个问题

来源：8-1 卷积神经网络（一）

慕娘6279593

2024-05-13

1，一开始提到的28*28的图片使用784的数组加上两个392的神经网络层是怎么计算出他的训练参数为465706的呢？

2，第二个例子小猫图片是500*400像素的图片他的训练参数是怎么计算出78558378这个参数量的呢？

3，这个模型学习的参数量是怎么理解，这个与我们说的LLM大模型的学习数量是一回事吗，比如开源的llama模型一开始有70亿个参数，这两个参数有什么区别吗，llama模型有70亿个参数可以做很多问答了，但是这个学习一张图片的参数居然要这么多，这又怎么去理解呢？···

写回答

1回答

flare_zhao

2024-06-16

图片中展示了每层训练参数的个数，第一层是输入特征数（28*28+1）*392 = 307720，同样得到第二层、三层参数，然后求和。
计算方式和第一种情况一样
意思是一样的，都是超参数。这是最基本的cnn结构，可以通过一系列的方法减少训练参数的数量，同时尽可能保证效果。此外，同样的模型和参数，也可以用在其他图片的识别。

Python3入门人工智能掌握机器学习+深度学习

人工智能基础全方位讲解，构建完整人工智能知识体系，带你入门AI

1946 学习 · 594 问题

相似问题

回答 1

回答 1

回答 2

回答 1

回答 1