LeNet-5网络的参数及连接个数

原文：http://vision.stanford.edu/cs598_spring07/papers/Lecun98.pdf

Gradient Based Learning Applied to Document Recognition

第7页倒数第3段。

首先看C1和input的卷积连接，C1中各个field的每个神经元连接了25个输入单元，这里有25个连接，一个feature map有28*28个神经元，就有28*28*25个连接，一共有6个C1 feature maps，这样有28*28*25*6=117600个卷积连接。

接下来还要加上bias，bias单元是加在输入层中的，所有C1神经元的计算都要加上这个bias，即都与这个bias单元连接，就是28*28*6=4704，加上117600=122304。

每个s2层的单元对应着两个参数，因为是sampling，所以s2层的单个feature map共用这两个参数，就有6*2=12个参数了。不过现在的pooling层是没有参数的。