【TensorFlow】关于卷积和pooling层的输出维度问题和相应的参数设置

关于tensorflow shape 设置问题：
整形：x_image = tf.reshape(xs,[-1,28,28,1])
#-1 表示最后一行，即num_sample:样本数量
#[28,28] 图片size
#1 表示输出通道数

卷积层：tf.nn.conv2d(x,W,strides,padding='SAME')
strides步长:[1,x,y,1]
strides : strides[0] = strides[3] = 0
#x:水平方向，y:垂直方向
W权重-卷积核：[x_size,y_size,in_channel,out_channel]
#in_channel : 输入通道数
#out_channel : 输出通道数，即filters个数
b偏置-与输出保持一致：[out_channel]
#bias = [out_channel]
卷积之后输出维度计算公式：
设图片原始大小：W * H * D(宽*长*通道数)
参数：K ：filters number
F ：filter size = F*F
S ： strides 步长
P：pading size
输出：
W = [(W - F + 2P)/S] +1
H = [(H - F + 2P)/S] +1
D = K
pooling层：tf.nn.max_pool(x,ksize,strides,padding)
pooling之后输出维度计算公式：
设图片原始大小：W * H * D(宽*长*通道数)
参数：K ：filters number
F ：filter size = F*F
S ： strides 步长
P：pading size
输出：
W = [(W - F )/S] +1
H = [(H - F )/S] +1
D = K
原文：https://blog.csdn.net/zswang9/article/details/79959244