2.1.2 参数量

参数量，泛指模型中可以训练与不能训练的所有参数的数量。例如，AlexNet模型包含了约60MB参数，如果使用32bit浮点数进行存储，则实际占用的存储空间为240MB。

对于一个正常的卷积层，假如输入特征图大小为 H _in × W _in ，通道数为 C _in ，输出特征图大小为 H _out × W _out ，通道数为 C _out ，卷积核大小为 K × K ，则参数量为 C _out × C _in × K × K 。

参数量小，则占用内存小，移动端使用的模型对参数量大小比较敏感。可以使用一些工具来统计模型的参数量，这里以PyTorch summary工具为例。它不仅可以统计模型的参数量，还可以统计输入数据及模型在前向运行过程中需要的参数量，使用方法如下。

表2.1是simpleconv3模型参数量统计结果。