轉載：cnn學習之卷積或者池化後輸出的map的size計算

相信各位在學習cnn的時候，經常對於卷積或者池化後所得map的的大小具體是多少，不知道怎麼算。尤爲涉及到邊界的時候。

 

首先須要瞭解對於一個輸入的input_height*input_widtht的圖像，在卷積或者池化的時候，常常須要加padding，這是爲了處理邊界問題時而採用的一種方式，因而原輸入就變成了下圖所示：

 

對於輸出的size計算 以下圖：

out_height=（(input_height - filter_height + padding_top+padding_bottom)/stride_height  ）+1

out_width=（(input_width - filter_width + padding_left+padding_right)/stride_width ）+1

 

只不過每每

out_height=out_width ，

input_height = input_width   

fillter_height=filter_width  padding_top=padding_bottom=padding_left=padding_right  

stride_width=stride_height罷了

 

 

此外對於當前主流的cnn框架

 

tensorflow中是如此計算的：

首先對於padding有兩個默認的選項same和valid ，若是是valid的話，則padding的四個值均爲0，也就是沒有padding

對於same，計算方式以下圖，圖中out的值能夠直接計算出來的緣由是由於padding的值是一個根據輸入的定值的；你們把pad_along_height的等式轉化成，左邊是out_height,右邊是其餘的形式。就同樣了。

 

 

其餘的框架，好比caffe，應該都是本身設置padding的值大小。

 

至於padding出來的區域的值，通常填0。或者複製邊界的值等等。