5x5是卷积层的“窗口”大小。它不会减小图像尺寸：TensorFlow和Caffe等自动提供边框垫。举个例子，火炬需要您添加边框（在这种情况下，每个方向上要有2个位置）。
每个内核（过滤器）都考虑整个图像的5x5子集。例如，为了计算图像中位置[7，12]的值，卷积过程将考虑“窗口” [5：9，10:14]。它将这25个值中的每一个乘以其相应的权重，然后对这些乘积求和。该总和成为中心平方[7,12]在下一层的值。
对于图像中的每个位置以及该层中的每个内核重复此过程。
正如@ Aenimated1已经提到的，大小减小来自两个每个2x的池。此操作将图像分成2x2窗口，并沿着每个2x2正方形的最大值（或其他表示，应由用户指定）传递。这样会将28x28的图片缩小为14x14；第二个池将其减少到7x7。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句