本文共 414 字，大约阅读时间需要 1 分钟。

卷积神经网络的输出计算

• 参考自

假设有一个$7 \times 7 \times 3$的输入层(补白padding为1), 使用一个$3 \times 3 \times 3 \times 2$的Filter, 步长(stride)为1进行卷积, 得到一个$3 \times 3 \times 2$的Feature Map. 具体计算操作如下:

计算公式:

• $W_1$ 是卷积前图像的宽度;
• $W_2$ 是卷积后Feature Map的宽度;
• $H_1$ 是卷积前图像的高度;
• $H_2$ 是卷积后Feature Map的高度;
• $P$ 是padding数量;
• $S$ 是stride步长.

• 我的个人主页：
• 我的CSDN博客：
• 我的简书：
• 我的GitHub：