Kernel 反向传播在卷积神经网络（CNN）中是如何工作的？

关于CNN，我没有什么问题。下图中S2层和C3层之间使用了5*5大小的内核

问题1。那里使用了多少内核？这些内核是否都与层S2中的每个功能映射相连接？

问题2。使用最大池时，在反向传播错误时，最大池功能/神经元如何知道/确定从其前一个直接层中的哪个（功能映射/神经元）获得最大值？

第三季度。如果我们想训练内核，然后用随机值初始化，是否有任何公式可以使用反向传播的错误值更新这些内核值？

第四季度。在上图中，从F6层获取错误后，反向传播如何在“输入”层和“C5”层之间工作？

Q1: C1->6粒 C3->16粒

S2和S4只是子采样，这意味着2*2像素将减少到1像素 最常见的池机制是最大池：

 (  5   10 ) -->
 (         ) -->  (10)
 (  7    8 ) --> 

Q2: 您可以保存信息，或者如果有足够的时间，可以重新运行max_池，检查最大值在哪里，然后将错误放在这个位置。此2*2块中的其他值为零