在设计一个 CNN 时，通常要考虑两个事情，即计算量和参数量。前者决定了网络训练的快慢，后者决定了计算设备需要多大的内存或显存。
参数量指的是卷积核中的参数的数量，计算量指的是卷积神经网络执行数值运算的次数。
由于参数共享，参数量只与特征图 feature map 的数量有关，而与 feature map 的大小无关，计算量与二者都有关。
| 符号 | 解释 |
|---|---|
| M | 输入通道 |
| N | 输出通道 |
| (K,K） | 卷积核 |
| (Hin,Win） | 输入特征图 |
| (Hout,Wout) | 输出特征图 |
| 卷积类型 | 参数量 | 计算量 | 特点 |
|---|---|---|---|
| 标准卷积 | K x K x M x N | K x K x M x N x Hout x Wout | 卷积核 channel = 输入特征图 channel；输出特征图 channel = 卷积核个数 |
| 深度可分离卷积 | K x K x M + M x N | K x K x M x Hout x Wout + M x N x Hout x Wout | 深度卷积卷积核 channel = 1；输入特征图 channel = 卷积核个数 = 输出特征图 channel |
