[人工智能]Tensorflow2神经网络输出维度计算

神经网络层中输出维度计算，看了好多资料，最终总结记录如下：
i为输入维度（宽或者高）
k为核尺寸
s为步长
除法计算皆取整。for example :5//2=2
1.padding='valid’时，输出维度Out=(i-k)/s +1

2.padding='same’时，
分两种：一、卷积 Out=(i-k+2p)/s +1,其中p=（k-1）/2
二、池化 Out=(i-1)/s +1

关于p=(k-1)/2，我是这样理解的：
输出维度为 Out=(i-k+2p)/s +1，padding='same’时是为了维持输入输出维度，若s=1时，则维度一致。
其中i-k+2p=i-(k-2p)，欲维持维度，则需要i的变化小于s(因为除法计算取整的原因)，
故得到0<k-2p<=1(s为正整数，最小为1)，
推导得(k-1)/2 ≤ p < k/2 ，p为整数，
故p=（k-1）/2

若有错误之处，请指出，谢谢！