在tensorflow教程的Densely Connected Layer部分中，它说图像大小在经过处理后为 7 x 7 。我尝试了代码，看来这些参数有效。
但是我不知道如何获得 7 x 7 尺寸。我明白那个:
max_pool_2x2函数会将两个图像的尺寸减小4倍，因此在第一次合并操作之后，图像大小为 7 x 7 在第二个conv层中，还有另一个
max_pool_2x2函数调用，因此我认为图像大小应再减小4倍。但是实际上没有。 我错了哪一步？
最佳答案
您还需要知道最大池和卷积的步幅。
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
在这里，我们可以看到卷积的步幅为1，最大池的步幅为2。如何看待最大池，它需要2x2的框，并在图像上滑动，每次取最大值超过4像素。如果跨度为2，则每次移动都需要2步!图像大小应减少2倍，而不是4倍。
换句话说，一张最大池为2x2，跨度为2的28x28图片将变为14x14。另一个最大池2x2和跨度2会将其减小到7x7。
为了进一步说明我的观点，让我们以最大池为2x2并跨步为1的情况为例。如果不填充图像，它将在最大池后变成27x27的图像。
这是更完整答案的图片: