PyTorch中Conv2d卷积层输出特征图维度计算疑问

核心原因是你使用的公式默认要求除法结果为整数，但PyTorch的Conv2d计算时会对除法结果向下取整，不需要输入尺寸满足整除条件，多余的边缘像素会直接舍弃。

计算所用参数 #

• 输入尺寸：高H_in=68，宽W_in=224
• Conv2d配置：conv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9))，未显式指定padding时默认padding=0，因此对应参数为：
  • 核高K_h=9、核宽K_w=9
  • 步长高S_h=4、步长宽S_w=4
  • 填充高P_h=0、填充宽P_w=0

PyTorch官方Conv2d输出尺寸公式 #

输出特征高：H_out = floor((H_in + 2*P_h - K_h)/S_h) + 1
输出特征宽：W_out = floor((W_in + 2*P_w - K_w)/S_w) + 1
其中floor()为向下取整函数，直接取数值的整数部分，舍弃小数位

代入计算 #

1. 高度维度推导
   (68 + 2*0 -9)/4 = 59/4 = 14.75，向下取整得14，加1后得到H_out=15
2. 宽度维度推导
   (224 + 2*0 -9)/4 = 215/4 = 53.75，向下取整得53，加1后得到W_out=54

输出通道数为配置中指定的16，因此最终输出特征尺寸就是16 x 15 x 54，和实际运行结果一致。

内容的提问来源于stack exchange，提问作者sensationti