La calculadora del tamaño de salida de una capa convolucional te da el tamaño de salida, el número de parámetros, las multiplicaciones-acumulaciones y la memoria de la salida de una capa convolucional de una red neuronal.
Cómo se hace el cálculo
- Introduce el tamaño de entrada, el tamaño del núcleo, el relleno, el paso y la dilatación.
- Introduce el número de canales de entrada y de salida.
- La calculadora da el tamaño de salida, los parámetros, las multiplicaciones-acumulaciones, los valores de salida y la memoria de la salida.
Ejemplo
Una convolución 3×3 con un relleno de 1 y un paso de 1 sobre una imagen de 224×224 con 3 canales de entrada y 64 de salida mantiene el tamaño en 224×224. Tiene 3 × 3 × 3 × 64 + 64 = 1792 parámetros y requiere 86,7 millones de multiplicaciones-acumulaciones. La salida contiene 3.211.264 valores, es decir, 12,85 MB en números de coma flotante de 32 bits.
Por qué es útil
La calculadora ayuda a estudiantes de aprendizaje automático, a ingenieros que diseñan modelos de imágenes y a cualquiera que necesite comprobar la forma de los tensores entre capas.
Conviene saber
Las bibliotecas de aprendizaje profundo usan la misma fórmula, y algunas redondean de forma distinta el relleno que conserva el tamaño cuando el núcleo es par, así que comprueba la forma de salida en tu biblioteca. Un paso superior a 1 o una capa de agrupación reduce el tamaño y el coste, a cambio de resolución. La dilatación amplía el campo de visión sin parámetros adicionales. Las convoluciones separables en profundidad sustituyen el término K² × Cin × Cout por K² × Cin + Cin × Cout, lo que supone una reducción de unas 8 a 9 veces con núcleos 3×3 y muchos canales. La memoria indicada corresponde a una imagen y una capa: durante el entrenamiento se conservan las activaciones de todas las capas para la retropropagación, y se multiplican por el tamaño del lote.
Herramientas relacionadas
La calculadora de campo receptivo muestra qué parte de la entrada ve una unidad, la del número de parámetros de una red neuronal trata las capas densas, la de densidad de píxeles relaciona imágenes y pantallas y la de memoria de los LLM dimensiona los modelos grandes.