LeNet-5

LeNet-5是针对灰度图像的，可假设输入图片是32321，使用6个55，步幅为1的过滤器，输出则是28286（此处28是由32-5+1所得，公式为(n+2p-f+1),LeNet-5没有使用padding，故p=0），然后进行池化，此网络使用的是平均池化，宽度为2，步幅为2，则图像的高度与宽度都缩小2倍，输出14146的图像（由于当时未使用padding或有效卷积，所以每次卷积后，图像的高度和宽度都会缩小。）

AlexNet

输入为2272273，使用96个1111，s=4的过滤器，输出为555596的（此处55是由（227-11）/4+1所得，公式为（n+2p-f）/s+1）

VGG-16

16表示这个网络包含16个卷积层和连接层，使用的是conv=33,s=1的过滤器，padding参数为same，MAX-Pool=22，s=2.