CNN学习--卷积池化后的size计算

假设输入图片大小是100×100，经过一层卷积（kernel size 5×5，padding 2，stride 1），pooling（kernel size 3×3，padding 0，stride 2），那么怎么计算输出的图片大小呢？

其实，不管是卷积还是池化，计算公式都是一样的，如下：

N = (W − F + 2P ) / S + 1

其中，输入数据维度为W*W
Filter大小为 F×F
S：步长
P：padding的像素数

因此根据上面的公式，进行计算：

N=（100-5+2×2）/1  + 1 =100

因此经过一层卷积后，输出图片大小仍为100×100，接下来进行pooling：

N = （100-3）/ 2 + 1 = 50

注意：这里的尺寸不被整除，在池化中是向上取整的，因此97/2 取49 。

对于不能整除的数值，卷积向下取整，池化向上取整。

还有就是：
对于神经网络，如果看到stride为1，当kernel为 3 padding为1或者kernel为5 padding为2 ，这就是为了实现卷积前后尺寸不变。