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，常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。尤其涉及到边界的时候。

首先需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，经常需要加padding，这是为了处理边界问题时而采用的一种方式，于是原输入就变成了下图所示：



对于输出的size计算 如下图：

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

只不过往往

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 ，如果是valid的话，则padding的四个值均为0，也就是没有padding

对于same，计算方式如下图，图中out的值可以直接计算出来的原因是因为padding的值是一个根据输入的定值的；大家把pad_along_height的等式转化成，左边是out_height,右边是其他的形式。就一样了。



其他的框架，比如caffe，应该都是自己设置padding的值大小。

至于padding出来的区域的值，一般填0。或者复制边界的值等等。