junjunzi

不管是卷积还是池化，输出图像大小的计算公式都是一样的：

输入数据W*W，卷积核K*K，步长为S，padding的像素数P
N = (W−K+2P)/S+1

假设输入图像大小100*100，
经过一层卷积(kernel size 5*5，padding 2，stride 1)
输出大小为N = floor((100-5+2*2)/1)+1 = 100(卷积向下取整floor)

接下来进行pooling(kernel size 3*3，padding 0，stride 2)
输出大小为N = ceil((100-3+2*0)/2)+1 = 50(池化向上取整ceil)

注意：
1、对于神经网络，若stride=1，当kernel=3, padding=1或kernel=5, padding=2，则卷积前后尺寸一致；

实际操作时，padding有“SAME”和“VALID”两种方式
padding = “SAME”时，会在图像周围填0
padding = “VALID”则不需要，即P=0

选“SAME”时，一来减缓图像变小的速度，二来防止边界信息丢失

2、padmod="VALID", 此时P=0, 对应N=floor((W-K)/S)+1
3、padmod=“SAME”: N = ceil(W/S)