简明易懂

池化层： 假设在第一行之前填充 p h 1 p_{h1} ph1​ 行，在最后一行后面填充 p h 2 p_{h2} ph2​ 行。在第一列之前填充 p w 1 p_{w1} pw1​ 列，在最后一列之后填充 p w 2 p_{w2} pw2​ 列，则池化层输出特征图大小为： H o u t = H + p h 1 + p h 2 − k h s h + 1 H_{out} = \frac{H + p_{h1} + p_{h2} - k_h}{s_h} + 1 Hout​=sh​H+ph1​+ph2​−kh​​+1 W o u t = W + p w 1 + p w 2 − k w s w + 1 W_{out} = \frac{W + p_{w1} + p_{w2} - k_w}{s_w} + 1 Wout​=sw​W+pw1​+pw2​−kw​​+1

在卷积神经网络中，通常使用 2 × 2 2\times2 2×2 大小的池化窗口，步幅也使用 2，填充为 0，则输出特征图的尺寸为： H o u t = H 2 H_{out} = \frac{H}{2} Hout​=2H​ W o u t = W 2 W_{out} = \frac{W}{2} Wout​=2W​