Neural network 如何设计CNN（层的输入和输出）？

我是一个初学者，用婴儿步学习深度学习。我有一个关于网络设计的问题。我在论文中看到，有不同的输入/输出层，我不知道在实现之前如何计算/设计。 例如，在此示例中，在原理图图层输出旁边有一些数字（请参见下图）。如何为具有特定图像大小作为输入的网络指定这些过滤器大小和其他参数。

或者在另一篇文章中，它们有以下设计：

他们提到，对于

256x256

输入图像， 网络的总子采样因子为

4

，导致 一个

64x64xL数组

，其中L是类标签的数量。如何获得该

64x64

尺寸

如何学习设计网络和计算层的输入/输出

谢谢你的帮助

如果使用

stride=2进行两次合并，则意味着将图像大小减少了两倍，总共减少了x4（子采样）。因此，如果从大小为256:256/4=64的图像开始

如何选择内核大小、每层输出的数量、步长和其他设计参数？事实上没有一个单一的答案，基本上很多论文/作品都是在不同的环境下完成相同的任务。AFAIK没有明确的指导方针，也没有适合任何特定任务的明显参数选择。
尽管如此，您可以找到一些新兴的深网设计模式

---

非常感谢Shai，我可以问一下表中第3列中的过滤器是如何计算的，如您所见64128、2565125121024,39？Thanks@S.EB你不妨选择其他号码。亲爱的Sai，非常感谢。我读了那份报纸。很高兴得到好消息。谢谢分享。