包含2个卷积层,2个max 池化层,2个全连接层和1个relu 层与一个softmax 层。
1 输入层: 输入层输入一个28*28 的图片
2 卷积层1:该层使用20个5*5 的卷积核分别对输入层图片进行卷积,所以包含20*5*5 =500 个参数权值参数。卷积后图片边长为(28-5+1)/1=24 ,故产生20个24*24个map ,包含20*24*24 =11520个神经元。
3 池化层1: 对上一层每个2*2 区域进行降采样,选取每个区域最大值,这一层没有参数,降采样过后每个map的长和宽就变成了原来的一半。
4 卷积层2:该层使用20*50个5*5 的卷积核分别对上一层每个map 进行卷积,所以包含20*50*5*5 =25000个参数权值参数。 卷积后图片边长为(12-5+1)/1=8 ,故产生50个8*8 个map,包含50*8*8 =3200个神经元。
5 池化层2: 和上一个池化层功能类似,将8*8 的map 降采样为4*4 的map,该层无参数。
6 全连接层1: 将上一层的所有神经元进行连接,该层含有500个神经元,故一共有50*4*4*500=400000个权值参数。
7 relu 层: 激活函数层,实现x=max[0,x] ,该层神经元数目和上一层相同,无权值参数。
8 全连接层2: 功能和上一个全连接层类似,该层共有10个神经元,包含500*10=5000个参数
9 softmax 层: 实现分类和归一化