Deep learning 卷积神经网络概念

请转到链接 并在提供的框中画一个数字，以便看穿各个层。 现在，如果您滚动浏览层的不同正方形，您可以看到您的正方形如何与前一层的其他正方形相关。

---

现在我的疑问是，根据cs231n第7讲，一个过滤器的深度与相应层的深度相同，过滤器的数量等于后续层的深度。但是，如果你通过卷积层2，你可以看到，一个特定层的特定平方只从前一层的一些平方中获得。我试图理解这里的概念。请帮助。

以下尺寸符合（N、C、H、W）

Pool1输出是Conv2的输入的特征映射。因此，Conv2有16个内核（将生成16个特征映射），每个内核与Pool1具有相同的深度或通道，即

6

（用单引号括起来）

pool1('6', 14, 14)
|
| kernel(16, '6', 5, 5)
v
conv2(16, 10, 10)
|
| kernel(2, 2), stride(2)
v
pool2(16, 5, 5)