我在阅读以下声明：

一个包含两个5×5卷积层的CNN（第一个有32个通道，第二个有64个通道，每个后面跟随2×2的最大池化），一个具有512个单元和ReLu激活的全连接层，以及一个最终的softmax输出层（总参数1,663,370）

我不明白他们是如何计算出160万参数的。相同的网络实现给我的是大约58万参数，这对于这样一个小网络来说更为现实。

回答：

假设你在谈论MNIST图像，输入通道为1，步长为1，填充为2

INPUT:    [28x28x1]   weights: 0CONV5-32: [28x28x32]  weights: (1*5*5)*32 + 32  =       832 POOL2:    [14x14x32]  weights: 0CONV5-64: [14x14x64]  weights: (5*5*32)*64 + 64 =    51,264 POOL2:    [7x7x64]    weights: 0FC:       [1x1x512]   weights: 7*7*64*512 + 512 = 1,606,144Softmax:  [1x1x10]    weights: 512*10 + 10      =     5,130 -----------------------------------------------------------                                                  1,663,370