一、总结
一句话总结：
第一层（卷积）：从32*32到6@28*28的卷积，需要的可以是6个5*5的卷积核，步长是1，1+32-5=28
第二层（下采样）：从6@28*28到6@14*14的Subsampling（下采样、池化），需要的是2*2的池化核，步长是2
第三层（卷积）：从6@14*14到16@10*10的卷积，需要的是16个5*5的卷积核，步长是1，1+14-5=10
第四层（下采样）：从16@10*10到16@5*5的池化，需要的是2*2的池化核，步长是2
1、6@14*14怎么通过卷积生成16@10*10（不是这样的）？
|||-begin
从6@14*14到16@10*10的卷积，需要的是16个5*5的卷积核，步长是1，1+14-5=10
|||-end
这边不是有16个5*5的卷积核，每一个核得到的结果都是6层的累加，16个，所以结果是16层
二、LeNet结构详细分析
博客对应课程的视频位置：
第一层（卷积）：从32*32到6@28*28的卷积，需要的可以是6个5*5的卷积核，步长是1，1+32-5=28
第二层（下采样）：从6@28*28到6@14*14的Subsampling（下采样、池化），需要的是2*2的池化核，步长是2
第三层（卷积）：从6@14*14到16@10*10的卷积，需要的是16个5*5的卷积核，步长是1，1+14-5=10
第四层（下采样）：从16@10*10到16@5*5的池化，需要的是2*2的池化核，步长是2
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
