padding 有什麼用？

same padding(使 out=in/stride)保護邊緣資訊、控制尺寸；valid(無填充)逐步縮小特徵圖。邊緣畫素被卷積覆蓋次數少，填充可緩解邊緣資訊丟失。

輸出出現小數或負數說明什麼？

說明引數組合非法(如 stride 過大、kernel 超過輸入)。需調小 stride、增大 padding 或減小 kernel，直到公式結果≥1。

影像卷積輸出尺寸 - 卷積或池化後的特徵圖尺寸

🖼️ CNN Feature Map Size Calculator

Enter input size, kernel size, stride and padding to compute the feature-map size after convolution or pooling. Built for CNN architecture design and receptive-field checks.

📐 計算公式 / 原理

輸出尺寸 = ⌊(W + 2P − K − (K − 1)(D − 1))/S⌋ + 1；感受野 = K + (K − 1)(D − 1)

卷積輸出尺寸由輸入寬、卷積核、填充、步長與膨脹率共同決定，結果須為整數，非整除時多數框架向下取整（丟棄邊緣）。膨脹卷積用 (K−1)(D−1) 擴大感受野而不增加引數，適合密集預測任務。

輸入尺寸

卷積核大小

步長

填充

空洞率

📚 深度解析：影像卷積輸出尺寸

💡 常見使用場景

輸出尺寸 out=⌊(in+2×pad−kernel)/stride⌋+1（向下取整）。
池化層用相同公式；空洞卷積需把 kernel 替換為 dilation×(k−1)+1。
設計 CNN 時需逐層推算特徵圖尺寸，確保首尾維度匹配、不出現負數。

卷積層尺寸推算

輸入 224×224，kernel=3, stride=1, padding=1 → out=224。若 stride=2 → out=⌊(224+2−3)/2⌋+1=112，特徵圖減半，通道數不變。

❓ 常見問題（FAQ）

padding 有什麼用？: same padding(使 out=in/stride)保護邊緣資訊、控制尺寸；valid(無填充)逐步縮小特徵圖。邊緣畫素被卷積覆蓋次數少，填充可緩解邊緣資訊丟失。
輸出出現小數或負數說明什麼？: 說明引數組合非法(如 stride 過大、kernel 超過輸入)。需調小 stride、增大 padding 或減小 kernel，直到公式結果≥1。

影像卷積輸出尺寸

🖼️ CNN Feature Map Size Calculator

📐 計算公式與說明

📚 深度解析：影像卷積輸出尺寸

💡 常見使用場景

❓ 常見問題（FAQ）

🔗 相關工具