卷积层2、降采样层2、全连接层、输出层（命名方便后面阐述）
812随机初始化卷积核权重，代码为：

专业专注

fword可编辑
疑问：ra
d
是产生
×
的01之间均匀取值的数值的矩阵，再减去05就相当于产生05到05之间的随机数，再2就放大到11。然后不明白再乘以后面那一数？8121卷积层1有166个卷积核卷积层1第一个卷积核权重为：
卷积层1第二个卷积核权重为：
卷积层1第三个卷积核权重为：

专业专注

fword可编辑
卷积层1第四个卷积核权重为：
卷积层1第五个卷积核权重为：
卷积层1第六个卷积核权重为：
其存储在
格式为（方便理解卷积运算）：
8122卷积层2有61272个卷积核，其权重不在这里一一列出，其存储格式为

专业专注

fword可编辑
813初始化卷积层偏置，均设为0814随机初始化全连接层权重构造一个10192的矩阵
全连接层有10192个权重，下图截取部分值：

专业专注

fword可编辑
82信号向前传播
821输入训练样本为（2828）（截取部分值），及期望输出为（101）
822第一次卷积过程第一次卷积，获取6张2424的特征图
获取第一个特征图（2424）（截取部分值）：第一个卷积核与输入的特征图

专业专注

f进行卷积得到第一个特征图
word可编辑
获取第二个特征图（2424）：
以此类推，直至第六张特征图，即得到卷积层1：

专业专注

fword可编辑
823第一次降采样过程（采用均值采样法，模板为22，模板上值为025，得到6个1212的特征图）
第一张降采样后特征图（其他不再列举）
采样过程分为两步：（1）采样模板与上层特征图进行卷积，得到6张2323的特征图，该过程与822类似

专业专注

fword可编辑
（2）将上一步得到的每张2323的图隔行隔列取值，即得到降采样最终的图为1212，举例说明隔行隔列取值方式：
824第二次卷积第二次卷积时，输入6张特征图，与72个卷积核进行卷积，得到12张88
特征图，每张特征图要与6个卷积核进行卷积，卷积过程如下：（1）上层输出的6张特征图与第一列的6个卷积核分别进行卷积运算，得
到6张图，然后这6张图对应位置值相加（矩阵相加），即得到第一张88特征图；

专业专注

fword可编辑
（2）上层输出的6张特征图与第二列的6个卷积核分别进行卷积运算，同样得到6张图，然后这6张图对应位置相加，即得到第二张88特征图；

专业专注

fword可编辑
以此类推，最终得到12张88的特征图825第二次降采样
第二次降采样过程与第r