考虑到用于将图像分为两类的卷积神经网络，我们如何从理论上计算权重的数量：
- 输入：100x100 灰度图像。
- 第 1 层：具有 60 个 7x7 卷积滤波器的卷积层（步幅 = 1，有效填充）。
- 第 2 层：具有 100 个 5x5 卷积滤波器的卷积层（步幅 = 1，有效填充）。
- 第 3 层：最大池化层，将第 2 层下采样 4 倍（例如，从 500x500 到 250x250）
- 第 4 层：具有 250 个单位的密集层
- 第 5 层：具有 200 个单位的密集层
- 第 6 层：单输出单元
假设每一层都存在偏差。此外，池化层有一个权重（类似于 AlexNet）
这个网络有多少权重？
这将是 Keras 中的相应模型，但请注意，我问的是如何用公式计算它，而不是在 Keras 中。
import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Conv2D, MaxPooling2D
model = Sequential()
model.add(Conv2D(60, (7, 7), input_shape = (100, 100, 1), padding="same", activation="relu")) # Layer 1
model.add(Conv2D(100, (5, 5), padding="same", activation="relu")) # Layer 2
model.add(MaxPooling2D(pool_size=(2, 2))) # Layer 3
model.add(Dense(250)) # Layer 4
model.add(Dense(200)) # Layer 5
model.summary()