本文重点

上一节课程中我们学习了单卷积层的前向传播，本次课程我们构建一个具有三个卷积层的卷积神经网络，然后从输入（39*39*3）开始进行三次卷积操作，我们来看一下每次卷积的输入和输出维度的变化。

第一层

第一层使用3*3*3的过滤器来提取特征，那么f[1]=3，然后步长s[1]=1,填充p[1]=0，也就是高度和宽度使用valid卷积。那么如果在l=1层我们使用10个过滤器，那么本层的输出图像的维度是37*37*10，这是第一层激活值的维度。

第二层

第一层的输出（37*37*10）作为第二层的输入，第二层我们使用5*5*10的过滤器，也就是f[2]=5,l=2层使用步长s[2]=2,填充p[2]=0,然后本层使用20个过滤器，那么本层的输出为17*17*20，（37+0-5）/2+1=17，这是第二层激活值的维度。

第三层

第二层的输出（17*17*20）作为第三层的输入，第三层我们使用过滤器为5*5*20，f[3]=5,s[3]=2,p[3]=0,然后本层使用40个过滤器，那么最终的输出图像的维度为7×7×40，（17+0-5）/2+1=7，这是第三层激活值的维度。