卷积网络中卷积和池化之后，图像的尺寸变化

在卷积和和池化的过程中存在着两种对图像的处理形式：

在这个例子中：
输入跨度为13
滤波器宽度为6
步幅为5

“VALID”：只会丢掉最右边的列（或最底部的行）
“SAME”：尝试向左或右均匀填充，但如果添加的列数是奇数，它将向右添加偶数，向左侧添加奇数个列（向下添加偶数个列，向上添加奇数个列）

在 tensorflow 中，tf.nn.conv2d函数和tf.nn.max_pool函数，尺寸变化：
对于SAME填充，输出高度和宽度计算如下：
out_height = ceil（float（in_height）/ float（strides [1]））

out_width = ceil（float（in_width）/ float（strides [2]））

和

对于VALID填充，输出高度和宽度计算如下：
out_height = ceil( float(in_height – filter_height + 1）/ float(strides[1]))

out_width = ceil( float(in_width – filter_width + 1）/ float(strides [2])）