卷积神经网络图像尺度变化

1.卷积运算处理后，图像大小如何变换？

p---填充

k---卷积核的大小

s---步幅 

参考文章：

图解卷积前后图像尺寸的关系_卷积会改变图像大小吗_xuerishun的博客-CSDN博客

飞桨PaddlePaddle-源于产业实践的开源深度学习平台

2.最大池化层

举个例子：

nn.MaxPool2d(kernel_size=3, stride=2, padding=1)

用于创建一个二维最大池化层 。nn.MaxPool2d()是PyTorch的一个类，用于对多个输入平面进行二维最大池化。它的参数有：

• kernel_size：池化窗口的大小
• stride：池化步长
• padding：输入边缘的填充大小

kernel_size=3，表示池化窗口是3x3的；stride=2，表示池化步长是2；padding=1，表示输入边缘填充1个像素。

最大池化层会对输入图片进行下采样，保留每个池化窗口中的最大值，从而减少特征的数量和维度。可以用和卷积层相同的公式来计算最大池化层后的图片大小。见上。