Tensorflow 卷积输出图片尺寸

假设图片大小 ＨＸＷ

卷积核大小    H_f X W_f

Padding            P

Stride               S1 XS2

1.卷积后尺寸计算 

out_height=(H  - H_f + 2P)   /  S1  +1 

out_width= (W - W_f + 2P)   /  S2  +1 

2.tensorflow中卷积参数same和valid运算之后的维度计算 

(1)same 
out_height=ceil (float( H ))/float( S1 ) 

out_width= ceil (float( W))/float(S2) 

(2)valid 

out_height= ceil(float(H - H_f +1))/float( S1) 

out_width=  ceil(float(W -W_f+1)) /float ( S2 ) 

3. Pooling 中padding的含义

Valid : 直接丢弃

Same : 两边补０

Example :  

              图片： 500 X 500

             pooling: 3X3

输出：

           500 / 3 = 166.67

Same: 167

Valid:   166