机器学习卷积与池化

输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为：

A. 95

B. 96

C. 97

D. 98

E. 99

F. 100

正确答案：C （个人算后是C，参考答案后期修正为C了。） 
解析： 
首先我们应该知道卷积或者池化后大小的计算公式： 

outputw=⌊imagew+2padding−kernelsizestride⌋+1

outputh=⌊imageh+2padding−kernelsizestride⌋+1

其中，padding指的是向外扩展的边缘大小，而stride则是步长，即每次移动的长度。

这样一来就容易多了，首先长宽一般大，所以我们只需要计算一个维度即可，这样，经过第一次卷积后的大小为: 

200+2−52+1=99

经过第一次池化后的大小为： 

99+0−31+1=97

经过第二次卷积后的大小为： 

97+2−31+1=97

最终的结果为97。