卷积预算与感受野实验台

移动参数,先检查尺寸是否合法,再读参数、计算量和感受野。这里计算的是理论几何范围,不代表范围内每个像素的实际影响相同。

高、宽使用同一输出公式,但分别检查与递推。
第 2 层起默认输入通道等于 Cout,各层沿用同一组 k、s、p、d。
Hout = ⌊(H + 2p − d(k−1) − 1) / s⌋ + 1
单层输出
单层参数
单层 MACs
堆叠后空间
堆叠总参数
堆叠总 MACs
理论感受野 r
输出跳距 j

逐层递推

递推规则:r新 = r旧 + [d(k−1)] × j旧j新 = j旧 × s
3×33×3
VS
5×5

关键前提:步幅 1、适当填充、膨胀 1,且输入/中间/输出都使用同一通道数 C。两个 3×3 之间多一次非线性机会,但这不自动意味着精度更高。

先分清 MACs 与 FLOPs

一次 MAC(multiply–accumulate)通常指一次乘法并累加。有人把它记作 1 次运算,也有人按“乘法 + 加法”记作约 2 FLOPs,所以论文与工具报告的数字可能相差约两倍。

本页只报告卷积核的近似 MACs:Hout × Wout × k² × Cin × Cout,不计激活、归一化、内存访问等成本。真实延迟还受硬件与实现影响。

计算结果怎么读

  • 参数量主要由核大小和通道决定,与输入空间尺寸无关。
  • MACs会随输出空间大小增长;高分辨率阶段往往更贵。
  • 理论感受野只描述可能覆盖的输入范围;有效感受野、边界填充和训练状态会改变真实贡献。
  • 若某一层输出小于 1,本页停止堆叠并指出首次失败层,避免用无效形状继续计算。