卷积神经网络反向传播 - 卷积层中的delta计算

Question

所以我正在尝试制作CNN，到目前为止，我认为我理解完全连接层中的所有前向传播和反向传播。但是，我在卷积层中遇到了后支柱的一些问题。

基本上我已经写出了CNN中每个阶段的所有内容的尺寸，其中两个卷积层和两个完全连接的层，输入深度为1（因为它是黑色和白色），只有一个滤波器是应用于每个卷积层。我不打算在这个阶段使用汇集，因为据我所知它不应该对微积分产生任何影响，只是对它的分配位置，所以尺寸应该仍然适合，只要我也不包括任何uppooling在我的背后。在应用激活函数之后我也没有费心写出尺寸，因为它们与它们的输入相同，我会写两次相同的值。

正如您将看到的，尺寸在格式上略有不同。对于卷积层，我把它们写成图像，而不是矩阵形式。虽然对于完全连接的层，我已经将尺寸写为所用矩阵的尺寸（当你看到它时希望更有意义）。

问题在于，在计算卷积层的增量时，尺寸不合适，我做错了什么？

使用的网站：

http://cs231n.github.io/convolutional-networks/ http://neuralnetworksanddeeplearning.com/chap2.html#the_cross-entropy_cost_function http://www.jefkine.com/general/2016/09/05/backpropagation-in-convolutional-neural-networks/

尺寸计算：