从数学的角度来看，您的计算是正确的。要捕获所有模式，您需要很多过滤器，但这就是训练的整体概念所在。CNN训练的主要目标是从数十亿个可能的模式中找到一些好的模式。

因此，您的问题的直接答案是：64 到 1024 个过滤器的标准层只能捕捉一小部分（也许）有用的模式，是的，但这是假设没有进行培训。如果您使用给定模型对给定数据进行训练，那么 64 到 1024 个过滤器已经可以提取很多有用的模式，也许比需要的还多。

让$n=C*K_w*K_h$. 那么你应该只需要$n$过滤器。不是$2^n$保留所有信息。如果你只是使用单位矩阵的行作为你的过滤器，那么你的卷积只会制作一个精确的副本，所以它绝对不会丢弃信息。另一方面，将有一个最大池操作。为了简化问题，假设我们有 3 个通道和 1 x 1 内核。然后让我们假设它只是一个卷积，然后是全局最大池化。另外，让我们假设它都是二进制的。如果你有$m$过滤器，那么最终输出将是$m$无论您有多少输入点，都可以保持维度。很明显，信息在那里被丢弃了。但这并不是一件坏事。丢弃不相关的信息让我们更接近我们手头问题所需的特征。被最大池化丢弃的部分对应于在图像的特定部分中找不到的特征。