Python 以TF-CNN为例的感受野算法

下面是tensorflow提供的代码。我将描述我目前对感受野大小变化的理解，如果有人能让我知道我的误解在哪里，我将不胜感激

概述： [28,28]->32[24,24]->32[12,12]->2048[8,8]

长版本：

• 从[28,28]数组开始
• 第一个卷积层有32个滤波器，内核大小为[5,5]，因此输出为32[24,24]s
• 内核为[2,2]且步长为2的池层保持了数组的数量，但减小了大小，因此输出为32[12,12]秒
• 下一个卷积层有64个大小为[5,5]的滤波器，因此我们最终得到2048[8,8]s

2048[8,8]s不是后续代码中表示的内容。我的错误是什么？感谢您的指导

  # Input Layer
  input_layer = tf.reshape(features["x"], [-1, 28, 28, 1])

  # Convolutional Layer #1
  conv1 = tf.layers.conv2d(
      inputs=input_layer,
      filters=32,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)

  # Pooling Layer #1
  pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

  # Convolutional Layer #2 and Pooling Layer #2
  conv2 = tf.layers.conv2d(
      inputs=pool1,
      filters=64,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)             
  pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

  # Dense Layer
  pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])
  dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
  dropout = tf.layers.dropout(
      inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)

---

conv2d层使用的是

padding=“same”

，这意味着输入用零填充，以便输出的大小相同。为了得到您期望的结果，我们将使用

padding=“valid”

，这意味着没有填充