Что хотят услышать интервьюеры:

В сверточном слое с ядром 5×5 и 10 фильтрами без учета числа входных каналов обучается 250 весов. Если учитывать bias, то добавляется еще 10 параметров. На собеседовании важно сразу уточнить, считаются ли смещения и сколько каналов у входа.

Определение:

В сверточном слое количество обучаемых параметров определяется размером ядра, числом входных каналов и количеством фильтров. Для одного фильтра весов столько, сколько элементов в ядре на каждый входной канал. Затем это число умножается на количество фильтров, и при наличии bias добавляется по одному смещению на фильтр.

Пример использования:

Если входное изображение одноканальное, то для слоя с ядром 5×5 и 10 фильтрами число весов будет:

5 × 5 × 1 × 10 = 250

Если добавить bias, получится:

250 + 10 = 260

Пояснение кода:

Код не требуется. Разложим пример по шагам:

Размер одного ядра: 5 × 5 = 25 весов.
Для одного фильтра при одном входном канале это 25 параметров.
Таких фильтров 10, значит: 25 × 10 = 250 весов.
Если в слое есть смещение, добавляется еще 10 параметров — по одному на каждый фильтр.

Если входных каналов больше одного, формула меняется на:

5 × 5 × C_in × 10

где C_in — число входных каналов.

Ключевые моменты:

Число фильтров влияет на общее количество параметров линейно.
Для одного канала формула проста: 5 × 5 × 10 = 250.
Для многоканального входа нужно умножать еще на число каналов.
Bias обычно считается отдельно: по одному на каждый фильтр.
На собеседовании часто ожидают, что кандидат сразу уточнит, учитываются ли смещения и каналы.

Сколько весов обучается в сверточном слое с ядром 5x5 и 10 фильтрами?