（1）邊長的計算公式是： 
output_h =（originalSize_h+padding*2-kernelSize_h）/stride +1

輸入圖片大小為200×200，依次經過一層卷積（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一層卷積（kernel size 3×3，padding 1，stride 1）之後，輸出特徵圖大小為：

（200-5+2*1）/2+1 為99.5，取99

（99-3）/1+1 為97

（97-3+2*1）/1+1 為97

研究過網路的話看到stride為1的時候，當kernel為 3 padding為1或者kernel為5 padding為2 一看就是卷積前後尺寸不變（卷積向下取整，池化向上取整）。

（2）如果是反捲積（deconvolution)

輸入：2x2， 卷積核：4x4， 滑動步長：3， 輸出：7x7

公式：2x4-(4-3)x(2-1)=8-1=7

        output_w= input_w*kernerl_size - (kernel_size - stride)*(input_w - 1)

或者：  (2 - 1) * 3 + 4 = 7

         output = (input_w - 1) * stride + kernel_size

影象的deconvolution過程如下，

(參考文章：http://blog.csdn.net/fate_fjh/article/details/52882134)