考察一个由三个卷积层组成的CNN：kernel=3x3，stride=2，padding=SAME。最低层输出100个特征映射（featuremap），中间层200个特征映射，最高层400个特征映射。输入是200×300的RGB图片，则总参数的数量是（）。

第一层中由于第一个卷积kernel=3x3，输入有3个通道（channel），因此每个特征映射有3×3×3=27个weight，加上1个偏置项bias，每个特征映射对应28个参数。由于第一层有100个特征映射，因此有2800个参数；第二层中kernel=3×3，输入是前一层的100个特征映射，因此每个特征映射有3×3×100=900个weight，加上1个偏置项bias，每个特征映射对应901个参数。由于共有200个特征映射，因此需要901×200=180200个参数；第三层中kernel=3×3，输入是前一层的200个特征映射，因此（第三层的）每个特征映射有3×3×200=1800个weight，加上1个偏置项bias，每个特征映射对应1801个参数。由于第三层有400个特征映射。因此这一层共有1801×400=720400个参数。以上求和共有2800+180200+720400=903400个参数。