图片经过卷积和池化层后输出尺寸的计算

以最近遇到的网络结构和MNIST数据集为例：

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 20, 5, 1)
        self.conv2 = nn.Conv2d(20, 50, 5, 1)
        self.fc1 = nn.Linear(4*4*50, 500)
        self.fc2 = nn.Linear(500, 10)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = F.max_pool2d(x, 2, 2)
        x = F.relu(self.conv2(x))
        x = F.max_pool2d(x, 2, 2)
        x = x.view(-1, 4*4*50)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)

令图像输入尺寸为W*W*1，首先解释一下每一层参数的意义以及对应的计算公式：

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

卷积层，in_channels 表示输入的通道数，用I表示，out_channels表示输出的通道数，用O表示，kernel_size表示卷积核的大小，用F表示，stride表示步长，用S表示，padding表示填充值，用P表示。图像经过卷积层后的大小为: [(W-F+2P)/S+1]*[(W-F+2P)/S+1]*O。

class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

池化层，kernel_size 表示卷积核的大小，用F表示，stride 表示步长，用S表示，padding 表示填充值,用P表示。经过池化层的大小为：[(W-F)/S+1]*[(W-F)/S+1]*O(池化一般不用padding)。需要注意的是这里的W不是最开始的W，是经过卷积层之后输出的大小。

class torch.nn.Linear(in_features, out_features, bias=True)

全连接层，in_features 表示输入的二维张量的大小，out_features 表示输出的二维张量的大小。

因此，对于MNIST数据集，图像大小为28*28*1，让我们从forward()函数开始一步步的计算输出大小：

1. 经过卷积层conv1=nn.Conv2d(1, 20, 5, 1)，其中I=1，O=20,F=5,S=1,P未指定，默认值为0。因此，（28-5+20）/1+1=24*，即此时输出大小为24*24*20.
2. 经过池化层max_pool2d(x, 2, 2)，其中F=2,S=2,因此*(24-2)/2+1=12*，即此时输出大小为12*12*20.
3. 经过卷积层conv2 = nn.Conv2d(20, 50, 5, 1)，其中I=20，O=50,F=5,S=1,P未指定，默认值为0。因此，（12-5+20）/1+1=8*，即此时输出大小为8*8*50.
4. 经过池化层max_pool2d(x, 2, 2)，其中F=2,S=2,因此*(8-2)/2+1=4*，即此时输出大小为4*4*50.
5. x=x.view(-1, 4*4*50),转换为二维张量之后，才能作为全连接层的输入.
6. 经过全连接层nn.Linear(4*4*50, 500)，输出大小为1*500.
7. 经过全连接层nn.Linear(500, 10)，输出大小为1*10.

至此，28*28*1的图像经过卷积层池化层全连接层之后输出大小为1*10，对应MNIST十个标签。