卷積后，池化后尺寸計算公式：(圖像尺寸-卷積核尺寸)/步長+1, (圖像尺寸-池化窗尺寸)/步長+1
上圖中網絡結構：2個卷積層(Convolutions)+2個池化層(Subsampling)+3個全連接層(Full connection)
上圖中數據的計算：
32*32如何得到28*28，5*5的卷積核（默認步長為1，無pading）遍歷圖像，圖像邊緣處上下左右各丟失2行（列）像素，所以32-4=28。
14*14如何得到10*10，計算同上，14-4=10。
28*28→14*14與10*10→5*5是如何得到的，下述代碼中池化層設置的是2，即圖像大小除2
@前的1→6→16是如何得到的，1是32*32的原圖為單通道（RGB圖要寫成3），6、16是下述代碼中卷積層設置的。
16@5*5即400→120→84→10是如何得到的，120、84是下述代碼中全連接層設置的，10是類別數（即分10類問題，如果是分貓狗兩類，那就是2）
值得注意的是上圖的16@5*5中的5*5（下圖綠框）是計算出來的：1、10是單通道圖，10分類問題。其他數據可以自己設定。
32*32原圖→經5*5卷積→28*28圖→經池化層參數2→14*14圖→經5*5卷積→10*10圖→經池化層參數2→5*5圖
