图像经过卷积后的尺寸计算（待更新）

图像经过卷积后的尺寸

1.pytorch计算公式
torch.nn.Conv2d()，其中padding可以为0、1、2，默认dilation =1，则简化式为：

out_size = （in_size - K + 2P）/ S +1

2.TensorFlow计算公式
TensorFlow的Conv2d函数的padding只有“same”和“valid”两个选项。
padding = same： out_size = in_size / stride（与kernel_size无关）
padding = valid ：out_size = （in_size - K + 2P）/ S +1

参数解释
in_channels,
#输入数据的通道数（如彩色图片，一般为3）
out_channels,
#输出数据的通道数（就是我想让输出多少通道，就设置为多少）
kernel_size,
#卷积核的尺寸（如（3，2），3与（3,3）等同）
stride = 1,
#卷积步长，就是卷积操作时每次移动的格子数
padding = 0,
#原图周围需要填充的格子行（列）数，无填充的话卷积到边缘会直接忽略该边缘
dilation = 1,
#空洞卷积的空洞指数，一般默认为1即可
groups = 1,
#分组卷积的组数，一般默认设置为1，不用管
bias &