神经网络模型的特征图尺寸使用公式计算不为整数的情况：卷积操作向下取整；池化操作则向上取整。

以2D图像的卷积操作为例:

先列出计算公式：卷积后的尺寸=（图像尺寸-卷积核尺寸+2*填充大小）/ 步长 + 1

                             池化后的尺寸= （图像尺寸-池化窗尺寸 +2*填充大小）/步长+1

假设输入的特征图的形状为[BatchSize, Channel, Height, Width]=[2,  16, 128, 128]；kernel_size=3, stride=2, padding=1, 求卷积和池化后输出的特征图的高和宽。

求解思路：

1. 卷积：根据公式N = (W-F+2P)/S+1 ,其中W代表输入的高或宽即128，F代表卷积核的大小即3，P代表padding大小1，S代表stride大小即2.  我们可知道输出特征图的高和宽 N = (128-3+2)/2+1 = 64.5, 而由于这是卷积操作，所以最终取64；

2.池化：与上述操作类似， N= （128-3+2)/2+1 =64.5, 而由于这是池化操作，所以最终取65.