卷积神经网络池化后的特征图大小计算

卷积后的大小

W：矩阵宽，H：矩阵高，F：卷积核宽和高，P：padding（需要填充的0的个数），N：卷积核的个数，S：步长

width：卷积后输出矩阵的宽，height：卷积后输出矩阵的高

width = （W - F + 2P）/ S + 1

height = （H - F + 2P） / S + 1

当conv2d(), max_pool()中的padding=‘SAME’时，width=W，height=H，当padding=‘valid’时，P=0

输出图像大小：（width，height，N）

池化后的大小

width = （W - F）/ S + 1

height = （H - F） / S + 1