[Conv][Pool]实现原理
实现
PyTorch关于卷积层和池化层的实现参考：
原理
之前一直觉得卷积层和池化层的计算如下所示：
\[
n_{out} = (n_{in}−F+2P)/S+1 (卷积层)\\
n_{out} = (n_{in}−F)/S+1 (池化层)
\]
- \(n_{out}\)表示输出维度的特征数
- \(n_{in}\)表示输入维度的特征数
- \(F\)表示卷积核大小
- \(P\)表示零填充大小
- \(S\)表示步长
最近发现PyTorch并没有严格按照上述公式实现，其实现参考A guide to convolution arithmetic for deeplearnin中\(2.4\)节以及第\(3\)节所示
\[
n_{out} = \left \lfloor \frac {n_{in} + 2p - k}{s} \right \rfloor + 1 (卷积层)
\]
\[
n_{out} = \left \lfloor \frac {n_{in} - k}{s} \right \rfloor + 1 (池化层)
\]
使用了一个向下取整（floor）计算，所以在PyTorch实现中，不同输入大小（比如224和227）能够得到相同大小的输出