原图就不说了，卷积核的权重是黄色区域每个格子右下角乘号后面的数字，也即卷积核就是我们前面用作示例的那个卷积核：
具体的卷积过程，就是将卷积核覆盖在原图上，从左上角开始，一次向右移动一个像素，卷积完一行，整个卷积核向下移动一个像素，再开始卷积。在卷积核覆盖的区域范围内，原图与卷积核对应位置的像素分别做乘法，再全部加和。
至于FM为什么是3*3的，因为(5-3)/1 + 1 = 3。原图5*5，卷积核3*3，按这样的方法法卷积（卷积核卷积的滑动步长为1），得到的feature也就是3*3的。也即这一层隐层的神经元的个数是3*3，不过这只是一张FM，如果10张相同的FM，那神经元的个数就是10倍了。
如果定义了滑动步长为2，那就每次向右移动2个像素了，一行结束也是向下移动2个像素，当然FM大小的计算方法也要随之改变了，也即(5-3)/2 + 1 = 2，公式为(原图宽高-卷积核宽高)/滑动步长 + 1。
这样基本的卷积过程就讲完了，接下来讲池化过程。
池化过程看起来要简单的多，就是一个取局部平均值\最大值的过程（根据具体池化方法决定）。人们可以计算图像一个区域上的某个特定特征的平均值 (或最大值)。这些概要统计特征不仅具有低得多的维度 (相比使用所有提取得到的特征)，同时还会改善结果(不容易过拟合)。
另外需要提的一点是，前面说10*10的卷积核需要训练的参数是100个，严格来讲是错误的，其实是101个，因为每个卷积核还有一个可训练偏置。
接下来以LeNet-5为例，从头捋一遍卷积神经网络的过程，重新放一遍LeNet-5的图：
输入层是32*32像素的图片，比数据集中最大的的字符（最大体积是20*20像素的字符，位于28*28像素区域的中心）大很多。这样做的原因是能使潜在的特征比如边缘的端点、拐角能够出现在最高层次的卷积核的接收域的中心。
然后第一层C1，6个卷积核，所以也就6张FM，卷积核是5*5的，至于为什么每张FM是28*28的，(32-5)/1 + 1 = 28。那C1一共有多少个需要训练的参数呢？(5*5+1)*6 = 156个可训练参数，每个卷积核26个可训练参数，6个卷积核，也就是156个可训练参数。那C1与原图一共有多少个连接呢？(28*28)*6*26 = 122304个连接，28*28的FM，一共有6张，所以乘6，这6张FM里的每一个点，都是采用了6种卷积核的其中之一卷积出来的，不管是这6种卷积核里的哪种，都有26个参数，也即26个连接，所以要乘以26。当然每张FM里面的点用的是同样的卷积核，连接数公式简记为(FM宽高*FM宽高)*可训练参数。
然后第二层S2，以2*2的范围去池化，我们也称其为一个2*2的池化核。6张28*28的FM被池化成了14*14的图，这个算法很简单，可以参考上面池化层的动图去理解。这里的每个池化核有两个可训练参数，一个负责与池化核里4个输入相加的和相乘，另一个作为可训练偏置加在乘积上，最后得到池化结果。6张FM，也对应6个池化核，每个池化核2个参数，也即12个可训练参数。那S2层与C1层有多少连接呢？(14*14)*6*5 = 5880个连接，这里池化核与卷积核不同，对于卷积核而言，26个可训练参数，也即26个连接；而池化只有2个可训练参数，但是如果池化核也只有2个连接，那那4个输入是从哪来的呢，所以这里2*2的池化核对应5个连接。然后6张图，每张14*14，每个点5个连接，所以得到5880个连接。
然后是C3层，C3层同样通过5*5的卷积核去卷积每张图14*14的S2，然后得到的每张FM就是10*10的，算法与C1时相同。它有16种不同的卷积核，所以C3层就对应了16张FM。这里有个比C1层复杂的多的问题，就是C1层只卷积1张图，而C3层要卷积6张图。那这16张FM是如何卷积前面S2层的6张图的呢？如下图：
0-5这6张FM卷积S2中的3张图，6-11这6张FM卷积S2中连续的4张图，12-14这3张FM卷积S2中不连续的4张图，15这张FM卷积所有的6张图。FM0卷积图012、FM6卷积图0123、FM12卷积图0134、FM15卷积图012345。
我们知道一张FM对应一个卷积核，那一个卷积核怎样同时卷积多张图呢？我们把多张图上同一位置的卷积结果相加，然后代入激活函数：
