要计算一个神经网络的参数总数，我们可以通过逐层分析其参数数量来实现。以下是具体的计算过程：

1. 输入层：

   • 输入层包含 $28 \times 28$ 个像素，每个像素有3个通道（RGB）。
   • 因此，输入层的总参数数量为 $28 \times 28 \times 3$。

2. 第一隐藏层：

   • 该层有100个神经元，每个神经元连接到前一层的100个神经元，并具有3个权重参数。
   • 所以，第一隐藏层的总参数数量为 $100 \times 3$。

3. 第二隐藏层：

   • 同样地，这一层也有100个神经元，每个神经元连接到上一层的100个神经元，并具有3个权重参数。
   • 因此，第二隐藏层的总参数数量也是 $100 \times 3$。

4. 全连接层：

   • 该层包含100个神经元，每个神经元连接到上一层的100个神经元，并具有3个权重参数。
   • 所以，全连接层的总参数数量为 $100 \times 3$。

将以上各层的参数数量相加，即可得到整个神经网络的总参数数量：
[ 28 \times 28 \times 3 + 100 \times 3 + 100 \times 3 + 100 \times 3 = 3252 ]

因此，这个神经网络的总参数数量为3252个。