渣渣的TensorFlow学习笔记之strides和kernel影响尺寸变化

今天终于搞明白了卷积核是怎么动的，每个输入的尺寸是如何变化的。

input_data =tf.Variable(np.random.rand(10,9,9,3),dtype=np.float32)

filter_data = tf.Variable(np.random.rand(3,3,3,2),dtype=np.float32)

y = tf.nn.conv2d(input_data,filter_data,strides=[1,3,3,1],padding='VALID')

z = tf.nn.max_pool(y,ksize=[1,3,3,1],strides=[1,1,1,1],padding='VALID')

如果卷积层中padding类型是same，那尺寸变化和kernel就没有关系了，不够的地方会取0，大小是原尺寸/strides，向上取整。

如果padding类型是valid，大小是（原尺寸-ksize）/strides+1

pooling层的尺寸变化是一样的，y.shape为（10，3，3，2），z.shape为（10，1，12）