AI_HW_6장_Lenet weight MAC 계산.xlsx

	A	B	C	D	E	F	G	I	J
1	Bias 는 미고려 합니다. (대세에 큰 영향이 없음으로). 러프하게 계산하였습니다. 현업가시면 알고리즘 엔지니어의 도움을 받아서, 정확한 Weight 수와 MAC 수를 파악하세요. (실제로 double check 합니다.)
2	Case 1. 그림만 보고 러프한 방법으로 유추 (LeNet-5 에서는 틀린결과. 옳은 결과는 하기 Case 2 을 참고)
3		kx	ky	ich	och	FMAP X	FMAP Y	weight	MACs
4	C1	5	5	1	6	28	28	150	117600
5	C3	5	5	6	16	10	10	2400	240000
6	S4-C5	1	1	400	120	1	1	48000	48000
7	C5-F6	1	1	120	84	1	1	10080	10080
8	F6-output	1	1	84	10	1	1	840	840
9								61470	416520
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32	Case 2. 논문내에 C3 에서, Channel 분리로 conv 연산을 했다고 함. �하기 링크 참고
33		https://velog.io/@lighthouse97/LeNet-5%EC%9D%98-%EC%9D%B4%ED%95%B4
34		kx	ky	ich	och	FMAP X	FMAP Y	weight	MACs
35	C1	5	5	1	6	28	28	150	117600
36	C3-1	5	5	3	6	10	10	450	45000
37	C3-2	5	5	4	6	10	10	600	60000
38	C3-3	5	5	4	3	10	10	300	30000
39	C3-4	5	5	6	1	10	10	150	15000
40	S4-C5	1	1	400	120	1	1	48000	48000
41	C5-F6	1	1	120	84	1	1	10080	10080
42	F6-output	1	1	84	10	1	1	840	840
43								60570	326520
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100