相信很多同学搞机器学习的时候，每一步卷积池化以后，对图片的尺寸和大小很迷茫，不知道如何计算的。
这里，我给大家分享几个公式，帮助大家理解。不明白的欢迎在下方留言。
1、卷积层（Conv Layer）的输出张量（图像）的大小
定义如下：
O=输出图像的尺寸。
I=输入图像的尺寸。
K=卷积层的核尺寸
N=核数量
S=移动步长
P =填充数
输出图像尺寸的计算公式如下：
2、池化层（MaxPool Layer）的输出张量（图像）的大小
定义如下：
O=输出图像的尺寸。
I=输入图像的尺寸。
S=移动步长
PS=池化层尺寸
输出图像尺寸的计算公式如下：
有了上诉公式以后，我特地跑到b站看了相关视频，套入公式后，发现和我们的理解一样。
3、全连接层（Fully Connected Layer）的输出张量（图像）的大小
全连接层输出向量长度等于神经元的数量。
全连接层也有自己的权重，权重就是parameters的数量
parent的数量计算如下
