为什么 PyTorch DQN 教程中的 CNN 卷积输出大小是用“kernel_size -1”计算的？
Why is CNN convolution output size in PyTorch DQN tutorial computed with `kernel_size -1`?
根据我的理解，一维的 CNN 输出大小是
output_size = (input_size - kernel_size + 2*padding)//stride + 1
参考PyTorch DQN Tutorial。在本教程中，它使用 0 填充，这很好。但是，它计算输出大小如下：
def conv2d_size_out(size, kernel_size = 5, stride = 2):
return (size - (kernel_size - 1) - 1) // stride + 1
是上面的错误还是我遗漏了什么？
不，这不是错误，因为
size - (kernel_size - 1) - 1 = size - kernel_size + 2 * 0
以 0 作为填充
（这不是代码，它是一个等式，很抱歉格式化）
我认为教程使用的是官方文档中输出大小的公式
output_size = ((input_size + 2 * padding - dialation * (kernel_size - 1) - 1) // stride + 1
根据我的理解，一维的 CNN 输出大小是
output_size = (input_size - kernel_size + 2*padding)//stride + 1
参考PyTorch DQN Tutorial。在本教程中，它使用 0 填充，这很好。但是，它计算输出大小如下：
def conv2d_size_out(size, kernel_size = 5, stride = 2):
return (size - (kernel_size - 1) - 1) // stride + 1
是上面的错误还是我遗漏了什么？
不，这不是错误，因为
size - (kernel_size - 1) - 1 = size - kernel_size + 2 * 0
以 0 作为填充
（这不是代码，它是一个等式，很抱歉格式化）
我认为教程使用的是官方文档中输出大小的公式
output_size = ((input_size + 2 * padding - dialation * (kernel_size - 1) - 1) // stride + 1