如何确定CNN中卷积运算符的数量？

在使用卷积神经网络（CNN）进行计算机视觉任务（例如对象分类）时，该网络具有出色的性能。但是我不确定如何在卷积层中设置参数。例如，在灰度图像（480x480）中，第一卷积层可以使用像的卷积算子11x11x10，其中数字10表示卷积算子的数量。

问题是如何确定CNN中卷积运算符的数量？

我假设您说的11x11x10意思是您的图层包含10个11x11滤镜。因此，您要做的卷积数量仅为滤波器组中每个滤波器的10个2D离散卷积。因此，假设您有一个网络：

480x480x1    # your input image of 1 channel
11x11x10     # your first filter bank of 10, 11x11 filters
5x5x20       # your second filter bank of 20, 5x5 filters
4x4x100      # your final filter bank of 100, 4x4 filters    

您将要做：多通道2D卷积，每个卷积分别具有1、10和20的深度。如您所见，每个卷积的深度将根据来自上一层的输入体积的深度而变化。$10 + 20 + 100 = 130$

$10 + 200 + 2000 = 2,210$

现在，这只是告诉你，你有多少单通道二维卷积做，每一圈也不怎么计算密集型的，每一圈的计算强度将取决于各种参数，包括image_size，image_depth，filter_size，你stride（你的每个个体之间的步骤有多远过滤器计算），您拥有的合并层数等。