引數數量估算 使用指南

輸入層寬、卷積核數與通道數，估算全連線層與卷積層引數量，適用於模型規模評估、視訊記憶體預算與輕量化設計。

計算公式與原理

全連線引數 = in × out + out（偏置）；3×3 卷積引數 = in × out × 9 + out；視訊記憶體 MB = 引數 × 4 / 1024 / 1024

按層的權重矩陣規模累加估算引數量，再按每引數 4 位元組（FP32）折算視訊記憶體。這只是推理權重的下限，訓練還要額外放梯度、最佳化器狀態（Adam 再翻 2 倍）與啟用值，實際佔用通常是權重的 4–6 倍。

使用步驟

1. 填寫「輸入維度」。
2. 填寫「輸出維度」。
3. 填寫「是否含偏置 1=是」。
4. 填寫「是否卷積 1=是」。
5. 結果區會即時更新；可一鍵複製結果用於記錄或彙報。

典型使用場景

• 全連線層引數=(輸入維度+1)×輸出維度，+1 為偏置。
• 卷積層引數=(k²×C_in+1)×C_out，k 為核邊長；深度可分離卷積引數量顯著降低。
• 引數量直接決定視訊記憶體(≈引數量×精度位元組)與推理延遲，是輕量化設計的核心約束。

算例參考

• 卷積層引數量：3×3 卷積、輸入通道 64、輸出通道 128：引數=(3²×64+1)×128=(576+1)×128=73728。若改為深度可分離(3×3×64+1×64×128)=576+8192=8768，僅為原先約 12%。

注意事項

結果為按上述公式得到的理論估算值，實際表現受資料分佈、實現細節與執行環境影響，落地決策請以實測為準；本工具純前端執行，輸入不上傳伺服器。

為什麼卷積層引數量遠小於全連線？

卷積權值共享且區域性連線，引數只與核大小、通道數有關，與特徵圖尺寸無關；全連線則隨輸入輸出維度乘積增長。

偏置是否總要加？

並非必須。BN 後接的卷積常設 bias=False 以免冗餘；最後一層或需學習截距時保留偏置。