在阅读卷积神经网络 (CNN) 时，我经常遇到社区和科学论文中使用的一种特殊符号，它以层的形式描述网络的架构。但是，我找不到详细描述此符号的论文或资源。
有人可以向我解释细节或指出它在哪里被描述或“标准化”吗？
例子：
input−100C3−MP2−200C2−MP2−300C2−MP2−400C2−MP2−500C2−output
（来源）
input−(300nC2−300nC2−MP2)_5−C2−C1−output
（来源）
一个很好的猜测似乎是x Cy是卷积层（x是过滤器的数量？y是方形内核的一侧？）。MPz是最大池化层（池大小z × z？）。
但与其猜测，我更希望有一个参考（我也可以在论文中参考）。
您链接到的第一篇论文引用的一篇论文在此处。它在第 3 节（实验）中解释了以下符号：
2x48x48-100C5-MP2-100C5-MP2-100C4-MP2-300N-100N-6N 代表网络：
- 2 个 48x48 大小的输入图像
- 具有 100 个映射和 5x5 过滤器的卷积层
- 在大小为 2x2 的非重叠区域上的最大池化层
- 具有 100 个映射和 4x4 过滤器的卷积层
- 在大小为 2x2 的非重叠区域上的最大池化层
- 具有 300 个隐藏单元的全连接层，
- 具有 100 个隐藏单元的全连接层
- 具有 6 个神经元的全连接层（每类一个）
由此，您的问题的答案是：
根据您链接的第二篇论文，下标_5表示五对300nC2−300nC2−MP2连接层（参见第 3 节），n表示“第 n 个卷积层中的过滤器数量为 [300]n”。根据随附的模型图（链接论文中的图 3），C2和C1层产生 1x1 输出，即标量值。这意味着C2是一个带有 1 个映射和一个 2x2 过滤器C1的卷积层，并且是一个带有 1 个映射和一个 1x1 过滤器的卷积层（尽管我不完全理解这增加了什么）。