源码：

#coding=utf-8import tensorflow as tf# case 2
input = tf.Variable(tf.random_normal([1, 256, 256, 3]))op1 = tf.layers.conv2d(inputs=input, filters=164, kernel_size=(7, 7), strides=(2, 2),
padding="same", activation=tf.nn.relu)op2 = tf.layers.conv2d(inputs=input, filters=64, kernel_size=(7, 7), strides=(2, 2),
padding="same", activation=tf.nn.relu)op3 = tf.layers.conv2d(inputs=input, filters=64, kernel_size=(7, 7), strides=(2, 2),
padding="valid", activation=tf.nn.relu)op0 = tf.concat([op1, op2], 3)init = tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init)
print("case 2")
print('op0:', sess.run(op0).shape)
print('op2:', sess.run(op2).shape)
print('op3', sess.run(op3).shape)

输出：

 

 

 

卷积核大小 ：filter*filter，步长：stride，填充：padding，图像大小：h*w

卷积后图像大小 高 height =（h - filter +2*padding）/stride +1 

 

‘same’填充2，向上取整

对op2   height = （256-7+2*2）/2+1 = 127.5 向上取整：128

   卷积后维度（1，128，128，64）

 

‘valid’填充0，向下取整

对op2   height = （256-7）/2+1 = 125.5 向上取整：125

   卷积后维度（1，125，125，64）