转载：cnn学习之卷积或者池化后输出的map的size计算

相信各位在学习cnn的时候，经常对于卷积或者池化后所得map的的大小具体是多少，不知道怎么算。尤为涉及到边界的时候。

 

首先须要了解对于一个输入的input_height*input_widtht的图像，在卷积或者池化的时候，常常须要加padding，这是为了处理边界问题时而采用的一种方式，因而原输入就变成了下图所示：

 

对于输出的size计算 以下图：

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

 

只不过每每

out_height=out_width ，

input_height = input_width   

fillter_height=filter_width  padding_top=padding_bottom=padding_left=padding_right  

stride_width=stride_height罢了

 

 

此外对于当前主流的cnn框架

 

tensorflow中是如此计算的：

首先对于padding有两个默认的选项same和valid ，若是是valid的话，则padding的四个值均为0，也就是没有padding

对于same，计算方式以下图，图中out的值能够直接计算出来的缘由是由于padding的值是一个根据输入的定值的；你们把pad_along_height的等式转化成，左边是out_height,右边是其余的形式。就同样了。

 

 

其余的框架，好比caffe，应该都是本身设置padding的值大小。

 

至于padding出来的区域的值，通常填0。或者复制边界的值等等。