卷積的參數計算

假設一個卷積層的輸入的特征圖（feature maps）數量（input channels）為“n”，輸出為特征圖數量為“m”，卷積核（kernel size）為“k”。假設我們處理的是一個2D的卷積操作，卷積層對應的輸入的參數量為k * k * n，與此同時，由於輸出為m通道的特征圖數量，為了映射到輸出卷積層需要學習（k * k * n）* m個參數，但是這里不能忽略掉偏差項（由z = wx + b得知），由於一般卷積操作是矩陣運算，因此b是具有broadcasting的特性的，那么最終需要計算的當前卷積層的參數兩為（k * k * n + b）* m。