深度学习中各模块的参数量 (Parameters)

卷积层

假某一卷积层的输入特征图通道数为 $c_{in}$，输出的特征图通道数为 $c_{out}$，卷积核的尺寸为 $k$，则该层卷积的参数量为

$$\#\text{params}=k^2\cdot c_{in}\cdot c_{out}$$

全连接层

假某一全连接层的输入特征向量长度为 $I$，输出特征向量长度为 $O$，则该全连接层的参数量为

$$\#\text{params}=I\cdot O$$