誰かが、緻密層と出力層のサイズがそれぞれ256と10である理由を教えてください。畳み込みニューラルネットワークの密な層と出力層の次元を計算するには？
input = 1x28x28
conv2d1 (28-(5-1))=24 -> 32x24x24
maxpool1 32x12x12
conv2d2 (12-(3-1))=10 -> 32x10x10
maxpool2 32x5x5
dense 256
output 10
畳み込み層は、完全結合層とは異なります。完全に接続するには、ベクトルを1つの次元に再構成し、fc層の重み（W * x + B）で行列乗算を適用します。
あなたは明確に（最高のチュートリアルでは、作品をconvnets方法を理解するために）ここでの概念を読んで理解する必要がありますhttp://cs231n.github.io/convolutional-networks/#conv
緻密層について：
あなたのケースでは、最初の緻密層は、重みの大きさを持っている[32 * 5 * 5,256]。プール層の出力を1つのベクトルに変更し、密なレイヤーでフィードします。最初の高密度層の出力は256 dimベクトルです - 10 dimベクトルを得るために第2のFC層（weights_size = [256,10]）を介してそれを供給
Conv、プール、Relu、完全に接続された層と計算のすべての詳細上記のリンクでは、各レイヤーの出力サイズの詳細を説明しています。
それを通過してください。私はそれが助けて欲しい
これらのコンセプトを読み、アニメーションを見てもまだ1つの質問があります。私は2つの入力チャンネルを持っている場合、最初は偶数ピクセルのみを含み、2つは奇数ピクセルしか含みません。その後、順番にそれらが格納されている畳み込み後？なぜなら、これらの偶数ピクセルを、完全に接続されたレイヤのWマトリックスの奇数ピクセルから分離したいからです。保存順序を教えてください。畳み込みの出力は、両方のチャンネルに対応します。 –
この場合、チャンネル間で畳み込むときです。彼らは合計されているので、再び分割することは難しいでしょう。 – hars
私に教えてもらえますか？それらを分ける方法はありますか？はいの場合、どうやってそれをすることができますか？ –