Wie viele Gewichte werden in einer Faltungsschicht mit einem 5x5-Kern und 10 Filtern trainiert?

In einer Convolutionalschicht mit einem Kernel von 5x5 und 10 Filtern wird die Anzahl der trainierbaren Gewichte berechnet als: Kernelgröße multipliziert mit der Anzahl der Filter.

Angenommen, der Eingangskanal ist eins (z.B. ein Schwarz-Weiß-Bild), dann:

5 × 5 × 10 = 250 Gewichte.

Wenn es mehrere Eingangskanäle gibt (z.B. 3 für RGB), lautet die Formel:

5 × 5 × Anzahl der Eingangskanäle × 10.

Außerdem hat jeder Filter normalerweise einen Bias, also noch 10 Parameter (jeweils einer pro Filter).

Beispiel für 3 Eingangskanäle:

kernel_size = 5
input_channels = 3
filters = 10
weights = kernel_size * kernel_size * input_channels * filters  # 5*5*3*10 = 750
biases = filters  # 10
total_params = weights + biases  # 760