#抖音课堂,人工智能免费入门课程,教程,我们讨论的话题是卷积神经网络可学习参数,英文为CNN Learnable Parameters。在之前的课程中我们已经学过,可学习参数是网络在训练过程中需要学习和优化的参数。这些参数的大部分是由网络的权重和偏差组成的。可学习参数的总数影响网络在磁盘和内存中的大小,我们通常可以使用可学习参数的数量作为一种对模型复杂度的粗略度量,一般来说,越复杂的模型具有越多的可学习参数。CNN中的可学习参数仍然主要是网络中的权重和偏差,和我们之前学习的全连接网络一样。但现在我们必须考虑,在架构上CNN与仅由密集层组成的网络有何不同,以及这种不同会如何影响每层,直至整个网络中可学习参数数量的计算。