深度学习计算：感受野、输出层大小、计算量、参数量

以下计算结果都是近似值，没有考虑偏置项、额外结构的计算等。

卷积神经网络：

前一层感受野（从后往前算） = （当前层感受野 - 1）X 步长 + 当前层卷积核大小

输出层大小（从前往后算）= [（输入层大小 + 2 X 零填充个数 - 卷积核大小）/ 步长] + 1

计算量 = 输入的多层特征层所有像素数 X 单个卷积核单层的像素数 X 卷积核的个数

参数量 = 单个卷积核全部像素数 X 卷积核的个数

多层前馈网络：

计算量 = 上层神经元数目 X 下层神经元数目

参数量 = 上层神经元数目 X 下层神经元数目