畳み込み演算のパラメータ

図は、入力層の数（入力チャンネル）の畳み込みが「N」であり、出力特性図の数が「K」と「m」は、畳み込みカーネル（カーネルサイズ）である特性（特徴マップ）を仮定する。我々は、パラメータの2次元コンボリューション演算量を扱っている出力チャンネルの数は、畳み込み層のニーズの出力をマッピングするために、特性図をm個ため、入力層は、同時に、畳み込みK * K×n個に相当すると仮定学習（K * k個* N）* m個のパラメータではなく、無視による畳み込みの一般的な動作に、この誤差項は、（= WX + bはZから知られている）、そして、このように特性を有する放送B、行列演算であります現在の畳み込みパラメータは、二つの（K * K *のN + B）* Mの最終層を算出する必要があります。