卷积神经网络长宽计算公式

卷积神经网络中计算卷积层输出张量（图像）的大小的公式可以根据以下引用和引用给出：

首先，对于卷积层的输出张量的大小，可以使用以下公式计算：
输出大小 = (输入大小 - 卷积核大小 + 2 * padding) / stride + 1

其中，输入大小是指输入张量（图像）的大小，卷积核大小是指卷积核的大小，padding是指在输入张量的边缘上添加的填充像素的数量，stride是指卷积核在输入张量上的滑动步长。

根据这个公式，我们可以得出卷积神经网络中的长宽计算公式。

希望这个回答对您有帮助。<em>1</em><em>2</em><em>3</em>
#### 引用[.reference_title]
- *1* [CNN 卷积神经网络（卷积、池化）长度、宽度、深度计算](https://blog.csdn.net/qingfengxd1/article/details/107517219)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item]
- *2* [卷积神经网络图像的尺寸和参数计算](https://blog.csdn.net/qq_36444039/article/details/103984502)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item]
- *3* [【神经网络】卷积层输出大小计算（长、宽、深度）](https://blog.csdn.net/HelloZEX/article/details/81109136)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item]
[ .reference_list ]