六個濾波核提取特征Maps

5X5 卷積核，+1個閾值 6個元素，卷積后兩邊各少兩個，28*28像素 又有6個卷積核，所以有122304個連接，連接數不多是因為很多都是公用參數的。

池化是參數池化，和當前平均最大不一樣。編程14X14

再5X5卷積，變成10X10，有16個通道，5X5+1=26 26X16X100

第2層卷積使用16個通道，輸入是6各通道。

6通道對應三維張量，多通道卷積，之前RGB那個，輸入1個通道2維卷積，輸入是多通道，采用3D卷積，3通道 4 通道 6通道

以下是16個卷積核

池化編程5X5，然后進入

輸出層采用交叉熵損失 SoftMax（）

全連接網絡負責分類。卷積池化，卷積池化是為了提取特征。基本都包括這兩部分。

通道越來越多，結果越來越小，搟面杖規律。

C3 層是卷積層，使用 16 個 5×5xn 大小的卷積核，padding=0，stride=1 進行卷積，得到 16 個 10×10 大小的特征圖：14-5+1=10。

16 個卷積核并不是都與 S2 的 6 個通道層進行卷積操作，如上圖所示，C3 的前六個特征圖（0,1,2,3,4,5）由 S2 的相鄰三個特征圖作為輸入，對應的卷積核尺寸為：5x5x3；接下來的 6 個特征圖（6,7,8,9,10,11）由 S2 的相鄰四個特征圖作為輸入對應的卷積核尺寸為：5x5x4；接下來的 3 個特征圖（12,13,14）號特征圖由 S2 間斷的四個特征圖作為輸入對應的卷積核尺寸為：5x5x4；最后的 15 號特征圖由 S2 全部(6 個)特征圖作為輸入，對應的卷積核尺寸為：5x5x6。

第一次六個卷積核主要找邊緣特征，第二次16個3維卷積，主要找邊緣特征的組合，但是為什么是16個呢？

有的對應3通道，有個對應4通道， 有的對應6通道，就是通過不同的卷積核尺度，組合獲得特征。