以《python深度学习》第五章第一个实验为例，神经网络结构如下：
首先最上面一个池化层max_pooling2d_1:MaxPooling2D
的结果是：(64,)
也就是说相对于下一个卷积层conv2d_2:Conv2D的输入是一个64个像素点的图片。
由于conv2d_2:Conv2D中卷积核大小指定为(3,3)，channel为64
意思也就是：
在输入的64个像素的图片中，使用3x3的64个卷积核，每个卷积核分别对这个64个像素的图片采样一次。
所以最终结果是64（输入）x3x3(卷积核大小)x64（channels数量，也就是卷积核数量）
所以此时权重的维度是64x3x3x64，也就是图中打印出来的（3,3,64,64）