CNN网络各层边长、参数个数、链接数的计算

以经典的LeNet-5例子来逐层分析各层的参数及连接个数：

C1卷积层：有6个feature map，每个feature map中的每个神经元（每个点）与一个5*5的卷积核相连接；该卷积核大小为5*5，padding为0，stride为1；

1、特征图的大小：feature_map = (input_size + padding*2 - 卷积核的边长 + 步长stride) / 步长

                           特别注意：卷积向下取整，池化向上取整（计算方法都一样）

                          解释说明：input_size + pading*2 得到的是整个输入图片的全部有效边长；

                                          减去卷积核的边长是因为：卷积核沿原图边长一个像素点一个像素点的扫描，直到卷积核的右边沿触碰原图的右边沿，还有卷积核边长这么宽的位置没有扫描。