上图中网络结构：2个卷积层(Convolutions)+2个池化层(Subsampling)+3个全连接层(Full connection)
上图中数据的计算：
32*32如何得到28*28，5*5的卷积核（默认步长为1，无pading）遍历图像，图像边缘处上下左右各丢失2行（列）像素，所以32-4=28。
14*14如何得到10*10，计算同上，14-4=10。
28*28→14*14与10*10→5*5是如何得到的，下述代码中池化层设置的是2，即图像大小除2
@前的1→6→16是如何得到的，1是32*32的原图为单通道（RGB图要写成3），6、16是下述代码中卷积层设置的。
16@5*5即400→120→84→10是如何得到的，120、84是下述代码中全连接层设置的，10是类别数（即分10类问题，如果是分猫狗两类，那就是2）
值得注意的是上图的16@5*5中的5*5（下图绿框）是计算出来的：1、10是单通道图，10分类问题。其他数据可以自己设定。
32*32原图→经5*5卷积→28*28图→经池化层参数2→14*14图→经5*5卷积→10*10图→经池化层参数2→5*5图
原文：https://www.cnblogs.com/xixixing/p/12762863.html