关于lenet-5卷积神经网络C3层与S2层的连接方式的疑问
你如果仔细看论文，你会发现，就是简单的用一个核卷积3个S2的输出，然后把得到的3个10x10的矩阵相加即可。
■网友
【关于lenet-5卷积神经网络C3层与S2层的连接方式的疑问】 谢谢题主的问题，我也看到这里来了，并且不理解的是，即使算法是这样组合的，在用tensorflow实现的时候，只简单的写了这一层的卷积参数是（5*5*6*16）的shape，也就是提供了所有16到6的映射，没有提过6幅图之间的组合，那工程上又是怎么实现LeNet的呢。还是说我搭的这一个网络，就是用全映射来训练的，而不像算法中所说那样，有选择性地组合。
■网友
每个卷积核的大小是这样的 size=(卷积核长度x卷积核宽度x上一层特征图个数)，那么上一层有3个14*14的特征图，一个卷积核的参数就有（3*5*5）个，经过一个卷积核卷积，14*14经过5*5的卷积（每个卷积核同时在3个特征图上滚动加权求和），最后再3个卷积后的10*10求和，就变成1个10*10的特征图了。不知道您清楚了吗？我也是最近刚看的。有错误请指正哈。
■网友
15组卷积特征图（题主图片中的第12号特征图缺失，不然0~15应该一共16组卷积特征）
其中
6组：3个相邻的S2
4组：4个相邻的S2
4组：4个不相邻的S2
1组：6个全部的S2.
这里3个s2，4个S2的组合方式显然没有穷尽全部的组合方案，不然C3就远不是16个特征图了
■网友
(6* (3*25+1) +6* (4*25+1) +3* (4*25+1) + (25*6+1) =1516)
■网友
我算是看明白了，就是 C3 层的 16 个滤镜，都分别对不同数量，以及不同跨度的 S2 层上的不同特征图进行卷积。譬如，C3 上的第 12 个特征图，是分别取 S2 上的第 0，1，3，4，这 4 个图进行卷积，并进行矩阵相加而得到。
这样做的目的，应该是为了抽取 S2 层上的特征之间的空间关系，并让这些空间关系，形成新的特征图集 C3 。
这真是一个很有创意的想法！不知道当初设计者们是怎么想到的？:)
■网友
原来是用一个卷积核对以前的3个S2层进行卷积，卷积之后得到3个C3\u0026#39;层，然后通过矩阵相加得到C3层
推荐阅读
- 过节■江苏省委省政府办公厅下发关于做好2021年元旦春节期间有关工作的通知
- |徐州市出台《关于优化创新创业生态系统 提升区域科技创新活力的实施意见》及实施细则
- 雨下|全球关于禁售燃油车只是理论上可行吗
- 关于用phpfsocket 写Post， 模拟http 报文怎样写入要传输的处理数据
- 智叔|很多家长还在整箱买：谈谈关于牛奶的17个真相警惕这些列入黑名单的“假牛奶”
- 关于微信小程序的思考：运营者该何去何从
- 关于人工智能虚拟人的一些问题
- 知乎上关于人生经验的介绍是否可能对青少年造成潜在危害
- 写下我关于做数据分析专员的困惑和各位的建议是
- 非物质文化遗产|市北文体中心一场关于“非遗”的盛会…