Tensorflow 了解二维卷积输出大小

我是卷积DL的初学者。我在论文中看到了以下架构：对于256*256大小的图像，

我不明白第一个2D卷积的输出大小：96*54*54。96看起来很好，因为过滤器的数量是96。但是，如果我们对输出大小应用以下公式：

size=[（W−K+2P）/S]+1

=[（256-11+2*0）/4]+1=62.25~62。我假设padding，P为0，因为本文中没有提到它。Keras Conv2D API产生相同的96*62*62大小的输出。那么，为什么纸张指向96*54*54？我遗漏了什么？

好吧，它提醒了我哪里有类似的错误。你的计算是正确的。我认为他们错误地写了256x256而不是224x224，在这种情况下，输入层的计算是

（224-11+2*0）/4+1=54.25~54

很可能是作者错误地编写了256x256而不是真正的体系结构输入大小224x224（AlexNet也是如此），或者另一个不太可能的选择是他们编写了256x256，这是真正的体系结构输入大小，但对224x224进行了计算。后者是可以忽略的，因为我认为这是一个非常愚蠢的错误，我甚至不认为这是一个选择

---

因此，我认为真正的输入大小是224x224，而不是256x256。

似乎是唯一可能的解释。谢谢不过，如果有什么事情发生，我会把这个问题公之于众。