卷积神经网络输出大小

3、 最常见的形式就是将一些卷积层和ReLU层放在一起，其后紧跟池化层，然后重复如此直到图像在空间上缩小到一个足够小的尺寸，在某个地方过渡成全连接层也较为常见。 最后的全连接层得到输出，比如分类评分等。

2、 卷积层（Convolutional layer），在神经网络中对输入的特征进行提取。 输入为R,G,B的 3 通道(维度)，尺寸为 8*8，即3*8*8的输入。

1、 卷积神经网络的设计和构建过程中，我们必须要知道网络中每一层的输入和输出的特征尺寸大小。 对于二维卷积为例， 特征尺寸的形式为 ， 依次代表批次大小，高度， 宽度和通道数。 那么，我们如何准确计算输出特征尺寸的大小就成为一个关键的问题。