根据此深度学习课程http://cs231n.github.io/convolutional-networks/#conv，它表示如果输入x的形状[W,W]（其中W = width = height）通过卷积图层，过滤器形状[F,F]和步幅 S，图层将返回{{1形状output
然而，当我试图遵循Tensorflow的教程时：https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/index.html。函数[(W-F)/S +1, (W-F)/S +1]
无论我如何更改过滤器大小，tf.nn.conv2d(inputs, filter, stride)都会不断返回一个与输入形状相同的值。
就我而言，我使用conv2d数据集，表明每张图片的尺寸都为MNIST（忽略[28,28]）
但在我定义了第一个channel_num = 1图层后，我使用conv1查看其输出，它给了我conv1.get_shape()
这是为什么？我认为返回值应该遵循上面的公式。
附录：代码段
[28,28, num_of_filters]答案 0 :(得分：2)
Conv2d有一个名为padding see here
的参数如果您将填充设置为“有效”，它将满足您的公式。默认为“SAME”，填充零的图像（与添加边框相同），使得输出将保持与输入相同的形状。
答案 1 :(得分：2)
取决于填充参数。 ＆＃39; SAME＆＃39;将输出保持为WxW（假设步幅= 1，）＆＃39; VALID＆＃39;将输出的大小缩小为（W-F + 1）x（W-F + 1）