关于PyTorch教程中神经网络一节中的 self.fc1 = nn.Linear(16 * 5 * 5, 120)

在PyTorch中神经网络一节中有：

import torch
import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        # 1 input image channel, 6 output channels, 5x5 square convolution
        # kernel
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.conv2 = nn.Conv2d(6, 16, 5)
        # an affine operation: y = Wx + b
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

中 self.fc1 = nn.Linear(16 * 5 * 5, 120)，因为16*5*5恰好与卷积核的参数数目相等，故很容易被误解为参数数目，其实这里代表的是输入，至于为什么是16*5*5，我们看该章节中给出的例子：

在给出的例子中，一开始的input是32*32，经过两次卷积池化之后的大小就是16（卷积核）*5（宽）*5（高），然后再把它通过view后。全部输入到第一个全连接层的时候，input大小就是16*5*5。

PS:如若文中有理解有误，欢迎大家批评指正。