卷積：

輸入3通道，2個卷積核：

對於每個卷積核，先在輸入3個通道分別作卷積，再將3個通道結果加起來得到卷積輸出。所以對於某個卷積層，無論輸入影象有多少個通道，輸出影象通道數總是等於卷積核數量！
對多通道影象做1x1卷積，其實就是將輸入影象於每個通道乘以卷積係數後加在一起，即相當於把原影象中本來各個獨立的通道“聯通”在了一起。

1.卷積&池化後feature map大小

輸入尺寸：，輸出尺寸： ，卷積核大小：，卷積核個數（即輸出通道數）：N，移動步長：S，填充數P 

輸出的大小如下：

2.引數量計算

Conv Layer引數數量：

=卷積層的weights數量，=卷積層的biases數量，=所有引數的數量，K=核尺寸，N=核數量，C =輸入通道數

卷積層中,核的深度等於輸入影象的通道數。於是每個核有K*K個引數。並且有N個核.由此得出以下的公式：

3.感受野計算

是第k-1層感受野的大小，是當前層卷積核大小，是第i層步長。第k層感受野：

https://zhuanlan.zhihu.com/p/35708466

4.卷積操作的計算量

標準卷積核大小為,輸入通道M，輸出通道N，輸出feature map大小為

標準卷積計算量：

深度可分離卷積減小的計算量：