在此演示中：http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html最后一个maxpool图层为4x4x16，完全连接图层为1x1x10。
我不明白如何到达10.在我的理解中，例如我只使用一个4x4过滤器，stride = 1且没有零填充来进行conv2（选项：＆＃39;有效＆＃39;）。输出将是1x1x16。如果我做更多的过滤器，输出将是16的倍数（例如32）??
更新，我的想法是现在：一旦我有1x1x16向量，我将做10个一维卷积。因此，使用conv1过滤（选项：＆＃39;有效＆＃39;）并使用10过滤器（长度为16的向量）。然后输出将是1x1x10向量。请告诉我，我做的是对还是错。
答案 0 :(得分：0)
你误解了＆＃34;完全连接＆＃34;的概念。有关完全连接的网络，请参阅this top diagram。你不做另一个卷积。相反，您将前一层线性化：所有16个过滤器的直接逐行副本，连接到一个向量，256x1。
＆＃34;完全连接＆＃34;意味着一个层的每个神经元都连接到另一个的每个神经元。您在此向量中有256个神经元，连接（权重）到最后一层中的10个神经元中的每个神经元。总共有2560个权重。