在LeNet5中，卷积层一池化层一卷积层一池化层一全连接层，第一个池化层处理后，得到深度为3的FeatureMap，即三个FeatureMap，之后再做卷积层的卷积处理，得到五个FeatureMap。三层到五层是如何计算的。
来个大神回答一下吧，真心不会啊
据我看的论文，LeNet第一层不是3，第二层好像也不是5.
以及现代的CNN是可以从任意层数输入输出任意层数输出的。因为卷积不是简单想象的二维数据，而是整个三维数据。简单的说，就是三个FeatureMap相应区域内部的所有数据点都会被用来卷积。此部分可以参照我的CNN博客CS231n课程笔记7：卷积神经网络入门
这是我的LeNet阅读笔记：LeNet论文阅读：LeNet结构以及参数个数计算 LeNet论文阅读：CNN设计原理