如果您参考具有16层的VGG网络(表1，列D)，则 138M 指的是该网络的 total number of parameters ，即包括所有卷积层，但也包括完全连接的层 .
观察由3 x conv3-256 层组成的第3个卷积阶段：
第一个有N = 128个输入平面，F = 256个输出平面，
另外两个有N = 256个输入平面和F = 256个输出平面 .
对于这些层中的每一层，卷积核为3x3 . 在参数方面，这给出了：
128x3x3x256(权重)256(偏差)=第一个参数295,168，
256x3x3x256(权重)256(偏差)=另外两个参数的590,080个参数 .
如上所述，您必须对所有层执行此操作，但也必须对完全连接的层执行此操作，并将这些值相加以获得最终的138M数 .
UPDATE ：各层之间的细分给出：
conv3-64 x 2 : 38,720
conv3-128 x 2 : 221,440
conv3-256 x 3 : 1,475,328
conv3-512 x 3 : 5,899,776
conv3-512 x 3 : 7,079,424
fc1 : 102,764,544
fc2 : 16,781,312
fc3 : 4,097,000
TOTAL : 138,357,544
特别是对于完全连接的层(fc)：
fc1 (x): (512x7x7)x4,096 (weights) + 4,096 (biases)
fc2 : 4,096x4,096 (weights) + 4,096 (biases)
fc3 : 4,096x1,000 (weights) + 1,000 (biases)
(x)参见本文第3.2节：首先将完全连接的层转换为卷积层(第一个FC层转换为7×7转换层，最后两个FC层转换为1×1转换层) .
Details about fc1
如上所述，在馈送完全连接的层之前的空间分辨率是7x7像素 . 这是因为这个VGG Net在卷积之前使用了空间填充，详见本文第2.1节：
[...] conv的空间填充 . 层输入使得在卷积之后保留空间分辨率，即，对于3×3转换，填充是1个像素 . 层 .
使用这样的填充，并使用224x224像素输入图像，分辨率随着以下层逐渐减少：112x112,56x56,28x28,14x14和7x7在具有512个特征映射的最后卷积/池化阶段之后 .
这给出了一个传递给 fc1 的特征向量，其维数为：512x7x7 .