其实是$49C*C$， 首先$C$是输入通道数，第二个$C$是过滤器的数量。

引用CS231n：

总而言之，Conv 层：

• 接受大小的卷$W_1 \times H_1 \times D_1$
• 需要四个超参数：
  • 过滤器数量$K$,
  • 他们的空间范围$F$,
  • 步伐$S$,
  • 零填充量$P$.
• 产生一个大小的体积$W_2 \times H_2 \times D_2$在哪里：
  • $W_2 = (W_1 - F + 2P)/S + 1$
  • $H_2 = (H_1 - F + 2P)/S + 1$（即宽度和高度是通过对称性同等计算的）
  • $D_2 = K$
• 通过参数共享，它引入了$F \cdot F \cdot D_1$每个过滤器的权重，总共$(F \cdot F \cdot D_1) \cdot K$重量和$K$偏见。
• 在输出量中，$d$-th 深度切片（大小$W_2 \times H_2$) 是执行有效卷积的结果$d$-th 过滤输入卷，步幅为$S$，然后偏移$d$-th 偏差。

超参数的常见设置是$F = 3, S = 1, P = 1$. 但是，有一些共同的约定和经验法则可以激发这些超参数。请参阅下面的 ConvNet 架构部分。