假定：
M：每個卷積核輸出特征圖（Feature Map）的邊長
K：每個卷積核（Kernel）的邊長
Cin：每個卷積核的通道數，也即輸入通道數，也即上一層的輸出通道數
Cout：本卷積層具有的卷積核個數，也即輸出通道數
可見：每個卷積層的時間復雜度由輸出特征圖面積M2，卷積核面積K2，輸入Cin和輸出通道Cout完全決定。
其中，輸出特征圖尺寸本身又由輸入矩陣尺寸X，卷積核尺寸K，Padding，Stride這四個參數所決定，表示如下：
M = （X - K + 2 × Padding）/ Stride + 1
注1：為了簡化表達式中的變量個數，這里統一假設輸入和卷積核的形狀都是正方形。
注2：嚴格來講每一層應該還包含1個Bias參數，這里為了簡潔就省略了。
這里舉個例子，假設一個卷積層：輸入224×224×3，輸出224×224×64，卷積核大小為3×3。
計算量： Times = 224 × 224 × 3 × 3 × 3 × 64 = 8.7 × 10^7
參數量： Space = 3 × 3 × 3 × 64 = 1728