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）

感想

今年对我来说是非常重要的一年，面临着找工作和发论文的压力，因此，我打算把我机器学习刷题之路记录下来，我认为刷题要把原理弄明白，所以我整理了分析的内容，作为对自己的提高，也希望对大家能够有所帮助。

Problem

 

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：

答案：97

analysis

 

计算尺寸不被整除只在GoogLeNet中遇到过。卷积向下取整，池化向上取整。

（200-5+2*1）/2+1 为99.5，取99

（99-3）/1+1 为97

（97-3+2*1）/1+1 为97

我搜索的公式：

这里提供一个计算每一层输出图像的size的公式。无论是卷积层还是pooling层，公式都是这样的：

( input_size + 2*padding - kernel_size ) / stride+1 = output_size

其中，padding指对input的图像边界补充一定数量的像素，目的是为了计算位于图像边界的像素点的卷积响应；kernel_size指卷积核的大小；stride指步长，即卷积核或者pooling窗口的滑动位移。另外需要注意，上面公式建立在所有参数都为整数的假设基础上。

如果padding在题目中指的是图片外围补充边界的话，我模拟手算了一下，确实是这样的，可能题目就是题目，我们要按照题目的意思来才行吧。

参考文献

[1].卷积神经网络.http://blog.csdn.net/l281865263/article/details/46378149

[2].机器学习笔试题.http://blog.csdn.net/u011204487/article/details/77370278