卷积神经网络中MACs数的计算公式？

Question

我找不到正确的公式来计算有线电视新闻网( CNN )中一个卷积层的MACs数。我试过这个来自Quora的配方

[((H-K+S) /S) *((W-L+S)/S)) *C*M*N] 

其中:输入特征映射的H_W大小；滤波器的K_L尺寸S跨C通道的输入M输出特征映射N个输入特征映射

我以一个例子:1输入图像5x5x11Filter 3x3x1然后我做了一个简单的计算，我得到了81台MACs。但是当我使用上面提到的公式ai得到9。

我觉得有些事我不明白。

提前感谢

Answer 1

假设您有以下参数：

K是你的内核宽度和高度。

C_in是输入通道的数目。

C_out是输出通道数。

H_out和W_out输出矩阵的高度和宽度

然后，您需要(K^2) * C_in MAC操作来计算每个输出特征映射，并且您将拥有这些输出特征映射的H_out * W_out * C_out。那么，总数将是：

(K^2) * C_in * H_out * W_out * C_out