在尝试使用 Tensorflow 时，我遇到了一个关于步幅的小问题。
我有一个大小为 67*67 的图像，我想应用一个大小为 7*7 且步幅为 3 的过滤器。输出层的边长应为 20，计算公式如下：
其中n是输出层边缘长度（在本例中为 20）。其计算方式如下：
如果我们只考虑第一行（因为其他行相同），那么在第一行的 67 个元素中，前 7 个将进入输出层的第一个单元格。然后过滤器向右移动 3 个元素，这使得过滤器覆盖元素 4 到 10，这将对应于输出层的第 2 个元素。以此类推。每次我们推进 3 个元素，我们将推进的总次数（计算它涵盖 7 个元素的第一步）是n。因此，我使用的等式。
然而，我从 Tensorflow 得到的输出层是 23，即 67/3 并四舍五入到下一个整数。我不明白这背后的原因。
有人可以解释为什么在 Tensorflow 中这样做吗？
谢谢！
根据您使用的填充，以两种方式计算输出大小。如果您使用'SAME'填充，则输出大小计算为：
out_height = ceil(float(in_height) / float(strides[1]))
out_width = ceil(float(in_width) / float(strides[2]))
与'VALID'填充输出一样，计算如下：
out_height = ceil(float(in_height - filter_height + 1) / float(strides[1]))
out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))
这是您用来计算输出的内容，但我们可以清楚地看到您必须使用'SAME'填充。
因此，在您的情况下，您会得到：
如果您实际使用'VALID'填充，则输出将更接近您的近似值。
您可以在此处阅读有关 tensorflow 如何计算特征图大小和填充的更多信息。