神经网络中卷积层输出大小尺寸计算

输入图片大小：W*W

滤波器（卷积核大小，kernel_size）：F*F

滑动步长（stride）：S

padding的像素数：P

输出图片大小：N*N

N=  [(W-F+2P)/S] + 1

以上针对卷积层的操作，忽略图片的通道数，当除不尽时，向下取整。

（如果是池化层的话，向上取整）

卷积中的特征图大小计算方式有两种，分别是‘VALID’和‘SAME’，卷积和池化都适用。
1、 如果计算方式采用’VALID’，则：

N = [(W-F)/S]+1

2、如果计算方式采用’SAME’，输出特征图的大小与输入特征图的大小保持不变：

N=  [(W-F+2P)/S] + 1

其中P为特征图填充的圈数。若采用’SAME’方式，kernel_size=1时，padding=0；kernel_size=3时，padding=1；kernel_size=5时，padding=3，以此类推。

还不是特别的懂。仅做参考

引用：（注，有的博客写的可能会存在错误，有时候要多看几篇，并查看其中的评论）

https://blog.csdn.net/TI09257/article/details/80986196
https://www.cnblogs.com/CJT-blog/p/10562819.html
https://blog.csdn.net/HelloZEX/article/details/81109136