常见网络层（卷积、池化、全连接）与其计算

卷积可视化：卷积神经网络 (CNN) 基本原理和公式_cnn公式-CSDN博客

嵌入大小计算规则【注意评论区全连接层计算规则勘误：Pv = Wv + Bv】

Conv、MaxPool、FC

池化操作和conv在kernels上计算不一致，在图像尺寸上的规则都是一样的。

公式可以理解为：先在图像的最末两端填充上P（+2P），后用卷积核（-K）大小的图像做卷积，然后从卷积后的边界（+1），按照每一个步长平移（/S）直至图像末尾。这样能得到单边的尺寸，图像的尺寸就是分别计算单边，然后再计算长x宽。

---

感受野可视化：彻底搞懂感受野的含义与计算 - shine-lee - 博客园 (cnblogs.com)

感受野大小计算规则

深度学习常见概念解释（二）—— 感受野：定义与计算公式_深度学习感受野计算-CSDN博客

公式可以理解为：

• 本层n的感受野可以由上一层n-1的k*k得到
• 上一层n-1的卷积k*k的单边可以划分为第一个元素+剩余k-1个元素
• 第一个元素感受野为Rn-1，剩余（kn-1）个元素每前进1个元素，相当于在输入图像上前进jn-1个像素。

实际上的计算还是按照递推进行。