卷积层尺寸的计算原理

卷积层尺寸的计算原理

输入矩阵格式：四个维度，依次为：样本数、图像高度、图像宽度、图像通道数
输出矩阵格式：与输出矩阵的维度顺序和含义相同，但是后三个维度（图像高度、图像宽度、图像通道数）的尺寸发生变化。
权重矩阵（卷积核）格式：同样是四个维度，但维度的含义与上面两者都不同，为：卷积核高度、卷积核宽度、输入通道数、输出通道数（卷积核个数）
输入矩阵、权重矩阵、输出矩阵这三者之间的相互决定关系
卷积核的输入通道数（in depth）由输入矩阵的通道数所决定。
输出矩阵的通道数（out depth）由卷积核的输出通道数所决定。
输出矩阵的高度和宽度（height, width）这两个维度的尺寸由输入矩阵、卷积核、扫描方式所共同决定。计算公式如下。

• 在达到相同感受野的情况下，卷积核越小，所需要的参数和计算量越小。
  具体来说。卷积核大小必须大于1才有提升感受野的作用，1排除了。而大小为偶数的卷积核即使对称地加padding也不能保证输入feature map尺寸和输出feature map尺寸不变（画个图算一下就可以发现），2排除了。所以一般都用3作为卷积核大小。

卷积层计算公式

**卷积层的矩阵输出大小为 （n−f+2p）/s+1，**向下取整 n为输入矩阵的大小，f为卷积核的大小，p为padding的大小，s为strides的大小

池化层计算公式

池化层计算公式和卷积层的计算公式一样，只是大多数时候池化层不会进行填充，p=0
p=0, 所以公式为**（n-f）/S +1**