相信各位在學習cnn的時候，常常對於卷積或者池化後所得map的的大小具體是多少，不知道怎麼算。尤其涉及到邊界的時候。

首先需要了解對於一個輸入的input_height*input_widtht的影象，在卷積或者池化的時候，經常需要加padding，這是為了處理邊界問題時而採用的一種方式，於是原輸入就變成了下圖所示：

對於輸出的size計算 如下圖：

out_height=（(input_height - filter_height + padding_top+padding_bottom)/stride_height  ）+1

out_width=（(input_width - filter_width + padding_left+padding_right)/stride_width ）+1

只不過往往

out_height=out_width ，

input_height = input_width   

fillter_height=filter_width  padding_top=padding_bottom=padding_left=padding_right  

stride_width=stride_height罷了

此外對於當前主流的cnn框架

tensorflow中是如此計算的：

首先對於padding有兩個預設的選項same和valid ，如果是valid的話，則padding的四個值均為0，也就是沒有padding

對於same，計算方式如下圖，圖中out的值可以直接計算出來的原因是因為padding的值是一個根據輸入的定值的；大家把pad_along_height的等式轉化成，左邊是out_height,右邊是其他的形式。就一樣了。

其他的框架，比如caffe，應該都是自己設定padding的值大小。

至於padding出來的區域的值，一般填0。或者複製邊界的值等等。