[人工智能]deep-learning with python的猫狗识别模型，计算过程

卷积神将网络的计算公式为：
N=(W-F+2P)/S+1
其中
N：输出大小
W：输入大小
F：卷积核大小
P：填充值的大小
S：步长大小

conv2d_1

输入[150,150,3] 输出[148,148,32] 卷积核大小为[3,3,32]

148=[150-3+2P]/S+1 解的S=1,P=0

Max_pool2d_1 卷积核大小为[2,2,32]

输入[148,148,32]池化层输出[74,74,32]

74=[148-2+2P]/S+1 解的步长S=2,填充P=0

conv2d_2

输入[74,74,32],输出[72,72,64] 卷积核大小为[3,3,64]

72=[74-3+2p]/s+1 ??步长S=1, 填充P=0

Max_pool2d_2 卷积核大小为[2,2,64]

输出[72,72,64],输出[36,36,64]

36=[72-2+2p]/s+1 步长S=2, 填充P=0

conv2d_3卷积核大小为[3,3,128]

输出[36,36,64],输出[34,34,128]

34=[36-3+2p]/s+1 ?S=1 P=0

Max_pool2d_3 卷积核大小为[2,2,128]

输出[34,34,128],输出[17,17,128]

17=[34-2+2p]/s+1 ?S=2 ?P=0

conv2d_4 ?卷积核大小为[3,3,128]

输出[17,17,128],输出[15,15,128]

15=[17-3+2p]/s+1 ?S=1 P=0

Max_pool2d_4 卷积核大小为[2,2,128]

输出[15,15,128],输出[7,7,128]

(15+2p-2)/s+1取整数=7所以??S=2 P=0