我还没有找到AlexNet的参数计算（权重偏差），所以我试着计算它，但我不确定它是否正确：
conv1：（11 * 11）* 3 * 96 96 = 34944
conv2：（5 * 5）* 96 * 256 256 = 614656
conv3：（3 * 3）* 256 * 384 384 = 885120
conv4：（3 * 3）* 384 * 384 384 = 1327488
conv5：（3 * 3）* 384 * 256 256 = 884992
fc1：（6 * 6）* 256 * 4096 4096 = 37752832
fc2：4096 * 4096 4096 = 16781312
fc3：4096 * 1000 1000 = 4097000
这导致总量为62378344的参数 . 这个计算对吗？
3 回答
根据他们论文中的图表，一些层使用分组 . 因此，并非一个层的所有功能都与下一个功能通信 . 这意味着例如对于conv2，您应该只有（5 * 5）* 48 * 256 256 = 307,456功能 .
我不确定所有较新的实现是否包括分组 . 这是他们用来让网络在两个GPU上并行训练的优化，但现代GPU拥有更多的培训资源，可以轻松地适应网络而无需分组 .
你的计算是正确的 . 我们在编写this blog post时独立提出了完全相同的数字 . 我还从帖子中添加了决赛桌
本演示文稿中的幻灯片8表示它有60M参数，所以我认为你至少在球场 . http://vision.stanford.edu/teaching/cs231b_spring1415/slides/alexnet_tugce_kyunghee.pdf