CNN中卷积层、池化的计算公式

卷积计算公式

1、卷积层输入特征图(input feature map)的尺寸为：(batch_size,Channel,H,W)

H(input)表示输入特征图的高

W(input)表示输入特征图的宽

C(input)表示输入特征图的通道数（如果是第一个卷积层则是输入图像的通道数，如果是中间的卷积层则是上一层的输出通道数

输入的格式：

(batch_size,channel,H,W)

2、卷积层的参数有如下几个

输出通道数为C

正方形卷积核的边长为F

步幅(stride)为S

补零的行数和列数(padding)为P

3、输出特征图(output feature map)的尺寸为(batch_size,Channel,H,W)，其中每一个变量的计算方式如下：

H(output)=(H(input)−F+2P)/S+1

W(output)=(Winput−F+2P)/S+1

池化的计算

新的高和宽的公式是：

    new_height = (input_height - filter_height)/S + 1
    new_width = (input_width - filter_width)/S + 1

filter_wigth,filter_height是kerner_size