G検定（ジェネラリスト検定） ディープラーニングの要素技術 練習問題 第28問: 入力32チャネル・出力64チャネル・フィルタの縦横3×3の通常の畳み込み層を、MobileNets (Howard ら, 2017) と同じ Depthwise

肢1が正解です。MobileNets の論文は、入力のチャネルごとにフィルタを1枚ずつ当てる畳み込み (depthwise) と、その出力を組み合わせる1×1の畳み込み (pointwise) に分けています。

depthwise: 3 × 3 × 32 = 288 (入力チャネルごとに3×3が1枚)

pointwise: 1 × 1 × 32 × 64 = 2,048

合計: 288 + 2,048 = 2,336

肢2の18,432は置き換える前の通常の畳み込み (3 × 3 × 32 × 64) の値で、置き換えるとおよそ8分の1になります。肢3の2,048は1×1の畳み込みの分だけを数えた値、肢4の2,624はチャネルごとの畳み込みのフィルタを出力チャネル数の64枚と数えた値 (3 × 3 × 64 + 2,048) です。

このフィルタの枚数は入力のチャネル数で決まります。