Python 咖啡馆里的畸形斑点

我正在使用以下协议：

layer {
  name: "pool2"
  type: "Pooling"
  bottom: "conv5"
  top: "pool2"
  pooling_param {
    pool: MAX
    kernel_w: 2
    kernel_h: 1
    stride_w: 2
    stride_h: 1
    pad_h: 0
    pad_w: 0
  }
}

之前的水滴形状为1x64x1x30，之后的水滴形状为1x64x1x15。它不应该是1x64x14吗

从caffe文件：

w_o = (w_i + 2*pad_w - kernel_w)/stride_w = (30 - 2)/2 = 14.

---

这是有意义的，因为池将是：[0,1][2,3][4,5]。。。[28,29]共有14个元素。

一般来说，最大池层接受大小为W1 x H1 x D1的输入卷，需要两个超参数——步长（S）和内核大小（K）。它产生一个大小为W2 x H2 x D2的输出体积，其中W2=（W1-K）/S+1，H2=（H1-K）/S+1，D2=D1。通过简单的计算，内核大小为2，步长为2，输入将减半，从而验证了caffe的网络输出形状

通常，最大池层接受大小为W1 x H1 x D1的输入卷，需要两个超参数——步长（S）和内核大小（K）。它产生一个大小为W2 x H2 x D2的输出体积，其中W2=（W1-K）/S+1，H2=（H1-K）/S+1，D2=D1。通过简单的计算，内核大小为2，步长为2，输入将减半，从而验证了caffe的网络输出形状

最大池与步幅2，内核大小2将减半的投入。所以这是正确的。你可以在纸上画画，自己验证一下。等等，哈哈，我算错了。它是15。最大池与步幅2，内核大小2将减半的投入。所以这是正确的。你可以在纸上画画，自己验证一下。等等，哈哈，我算错了。它是15。为什么我们需要在公式中加1？为什么我们需要在公式中加1？