1.輸出特征尺寸計算
在了解神經網絡中卷積計算的整個過程后，就可以對輸出特征圖的尺寸進行計算，如圖 5-8 所示，5×5 的圖像經過 3×3 大小的卷積核做卷積計算后輸出特征尺寸為 3×3。
2.全零填充（padding）
為了保持輸出圖像尺寸與輸入圖像一致，經常會在輸入圖像周圍進行全零填充，如圖 5-9 所示，在 5×5 的輸入圖像周圍填 0，則輸出特征尺寸同為 5×5。
在 Tensorflow 框架中，用參數 padding = ‘SAME’或 padding = ‘VALID’表示是否進行全零填充，
其對輸出特征尺寸大小的影響如下：
注意：
在利用 Tensorflow 框架構建卷積網絡時，一般會利用 BatchNormalization函數來構建 BN 層，進行批歸一化操作，所以在 Conv2D 函數中經常不寫 BN。