卷积层如何接受6个输入并给出16个输出？

Question

我们正试图在FPGA上构建一个前向卷积神经网络。我们构建的配置是基于LeNet-5架构的。

在第一个卷积层中，没有问题。只有一个输入(照片)，并给出6个输出(6个特征图)和6 (5*5)过滤器。

顺便说一句，我们在spyder-tensorflow等上训练了我们的网络和数据。

但在第二卷积层，有6个输入(这是第一个最大池层的输出)和16个带有16 (5*5*6)滤波器的输出。我们的研究告诉我们：“你有6个输入和(5*5)个深度为6的滤波器。这意味着每个输入都对应滤波器的相邻深度。在卷积结束时，你可以将所有乘法结果相加，这样1个滤波器只有1个输出。”

但是在这个过程中，我们将对乘法结果求和。

在python/spyder/tensorflow中，conv2d函数做了一些事情，我们得到了结果。但在硬件方面，我必须知道这是如何进行的。

谢谢你的帮助。对不起，我的英语。

Here is the explanation with picture

Answer 1

花点时间看看这个：

http://cs231n.github.io/assets/conv-demo/index.html

我发现这个gif在学习如何详细计算和完成卷积时非常有帮助。希望这能帮助你理解它是如何在“硬件”中进行的。