对于下面的CNN模型，我们需要优化多少个模型参数?

Question

我们使用以下卷积神经网络对一组32×32灰度图像进行分类(因此输入大小将为32$乘以$32$乘以$1):

1. 第1层:带有ReLU非线性激活函数的卷积层，100个5×5步长为1的滤波器。

2. Layer 2: 2×2 max-pooling Layer

3. 第三层:带有ReLU非线性激活函数的卷积层，50个3×3滤波器，步幅为1。

4. 第4层:2×2 max-pooling Layer

5. 第5层:全连接层

6. 第六层:分类层

我们需要在第一层和第二层优化多少个模型参数(假设使用偏置项)

Answer 1

您可以使用tensorflow来显示可训练参数的数量:

import tensorflow as tf
from tensorflow.keras import layers
def make_model():
model = tf.keras.Sequential()
model.add(layers.Conv2D(100, (5, 5), strides=1,input_shape=[32, 32, 1]))
model.add(layers.LeakyReLU())
model.add(layers.MaxPooling2D(pool_size=(2, 2)))
return model
model=make_model()
model.summary()

给出2600个可训练参数和0个不可训练参数。