参数量计算 · LeNet 的 C1 层
(核高×核宽×输入通道 + 1) × 输出通道
INPUT 32×32
输入通道 = 1（灰度）
5×5 卷积核
25 个权重 + 1 偏置
C1：6@28×28
输出通道 = 6（6 个核）
卷积层参数量通式
(
5
×
5
×
1
+
1
)
×
6
核高 × 核宽
输入通道
偏置 bias
输出通道
每个核：5×5 = 25 权重 + 1 偏置 =
26
6 个核：26 × 6 =
156
个参数
关键结论
卷积层参数量只取决于 核大小 · 输入通道 · 输出通道，
与图片尺寸无关
（这正是权重共享省参数的体现）
▶ 重播