https://github.com/kuangliu/pytorch-cifar/blob/master/models/resnet.py
从https://www.cs.toronto.edu/~kriz/cifar.html可以了解到，CIFAR数据集中的每张图像尺寸为32×32。
我对代码的理解是：
self.conv1 = nn.Conv2d(3, 6, 5)self.conv2 = nn.Conv2d(6, 16, 5)self.fc1 = nn.Linear(16*5*5, 120)如下所示：
self.conv1 = nn.Conv2d(3, 6, 5) # 输入3通道，输出6通道，卷积核大小为5self.conv2 = nn.Conv2d(6, 16, 5) # 输入6通道，输出16通道，卷积核大小为5self.fc1 = nn.Linear(16*5*5, 120) # 输入特征16*5*5，输出特征120在resnet.py中，以下代码是：
self.fc1 = nn.Linear(16*5*5, 120)在http://cs231n.github.io/convolutional-networks/中提到如下内容：
总结。对卷积层进行总结：
接受尺寸为W1×H1×D1的体数据，需要四个超参数：滤波器数量K，它们的空间范围F，步长S，零填充量P。产生尺寸为W2×H2×D2的体数据，其中：W2=(W1−F+2P)/S+1 H2=(H1−F+2P)/S+1（即宽度和高度通过对称性同样计算）D2=K，通过参数共享，每个滤波器引入F⋅F⋅D1个权重，总共有(F⋅F⋅D1)⋅K个权重和K个偏置。在输出体数据中，第d个深度切片（尺寸为W2×H2）是将第d个滤波器在输入体数据上以步长S进行有效卷积的结果，然后加上第d个偏置进行偏移。
从中我试图理解训练图像尺寸32×32（1024像素）是如何转换为特征图（16*5*5 -> 400）的，作为nn.Linear(16*5*5, 120)的一部分
从https://pytorch.org/docs/stable/nn.html#torch.nn.Conv2d可以看到，默认步长为1，填充为0。
从32*32的图像尺寸到达16*5*5的步骤是什么？16*5*5能否从上述步骤中推导出来？
从上述步骤如何计算spatial extent？
更新：
源代码如下：
'''LeNet in PyTorch.'''import torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(16*5*5, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): out = F.relu(self.conv1(x)) out = F.max_pool2d(out, 2) out = F.relu(self.conv2(out)) out = F.max_pool2d(out, 2) out = out.view(out.size(0), -1) out = F.relu(self.fc1(out)) out = F.relu(self.fc2(out)) out = self.fc3(out) return out来自https://github.com/kuangliu/pytorch-cifar/blob/master/models/lenet.py
我的理解是卷积操作是针对每张图像数据应用的卷积核。如果设置了5个卷积核，那么将对数据应用5次卷积操作，这会生成一个5维度的图像表示。
回答：
你的问题中提供的信息不足（请参见我的评论）。
但是，如果我必须猜测的话，你在卷积层之间有两个池化层（步长为2）：
- 输入尺寸32×32（3通道）
conv1输出尺寸28×28（6通道）：没有填充的卷积，卷积核大小为5，输入尺寸减少4。- 步长为2的池化层，输出尺寸14×14（6通道）。
conv2输出尺寸10×10（16通道）- 另一个步长为2的池化层，输出尺寸5×5（16通道）
- 一个全连接层（
nn.Linear）连接所有5x5x16输入到所有120输出。
关于估计感受野的更详细指南可以在这里找到这里。
