CNN卷积输出尺寸计算

摘要：

CNN在执行卷积时，因为卷积核的大小通常大于1，并且滑动步长也不一定为1，所以会导致卷积操作输出的特征图大小比输入特征图要小，如果想控制输出特征图的大小，在不改变卷积核尺寸及滑动步长的情况下，就需要在特征图的边界进行填充(padding)，在TensorFlow框架中，可以使用SAME（自动填充，使输出特征图尺寸和输入尺寸一样）和VALID（不做填充，会导致输出尺寸比输入要小）来处理padding问题，在PyTorch中，得自己设置填充数量。顺便说一下，其实是否填充一般情况下对性能影响不大，TensorFlow中padding经常设置为SAME，这样很方便计算卷积每层输出的尺寸。

输出尺寸计算：

假设输入特征图尺寸为,卷积和及滑动步长为，填充的像素为，输出特征图尺寸为。

如果不填充，即=0，,，floor表示向下取整。

如果填充，即,，，此处的padding只填充宽或高的一侧，如果是两侧，乘以2即可。