在此演示中：http://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html最后一个最大池层是4x4x16，而完全连接层是1x1x10。
我不知道怎么到10岁。在我的理解中，例如，我只使用一个4x4滤波器进行conv2（选项："有效"），步长为1，没有零填充。输出将是1x1x16。如果我做更多的过滤，输出将是16的倍数（例如32）？？
更新，我的想法是：一旦我有了1x1x16向量，我将做10个一维卷积。因此，使用conv1（选项："valid"）进行过滤，并使用10过滤器（长度为16的矢量）。输出将是1x1x10矢量。请告诉我，我做的是对是错。
您误解了"完全连接"的概念。有关完全连接的网络，请参见上图。你不需要再做一次卷积。相反，您可以线性化前一层：所有16个过滤器的直接逐行副本，连接到一个矢量256x1中。
"完全连接"是指一层的每个神经元都连接到另一层的每个神经元。这个向量中有256个神经元，连接（权重）到最后一层中的10个神经元中的每一个。总共2560个重量。