더보기
https://seongkyun.github.io/study/2019/01/25/num_of_parameters/
위 포스팅을 요약한 글이다.
AlexNet의 구조
- Input: 227*273*3 크기의 컬러 이미지.
- Conv-1: 11*11 크기의 커널 96개, stride=4, padding=0
- MaxPool-1: stride 2, 3*3 max pooling layer
- Conv-2: 5*5 크기의 커널 256개, stride=1, padding=2
- MaxPool-2: stride 2, 3*3 max pooling layer
- Conv-3: 3*3 크기의 커널 384개, stride=1, padding=1
- Conv-4: 3*3 크기의 커널 384개, stride=1, padding=1
- Conv-5: 3*3 크기의 커널 256개, stride=1, padding=1
- Maxpool-3: stride 2, 3*3 max pooling layer
- FC-1: 4096개의 fully connected layer
- FC-2: 4096개의 fully connected layer
- FC-3: 1000개의 fully connected layer
AlexNet의 총 parameter 개수 및 tensor size
- AlexNet의 전체 parameter 수는 5개의 convolution layer와 3개의 FC layer에서 계산되는 parameter 개수들의 합
- 62,378,344 개.
- 자세한 parameter 및 tensor size는
예를 들어 다음과 같은 코드가 있을 때,
학습이 진행될때의 tensor의 모형을 시각화 해보면 다음과 같다.