这里是stackoverflow的新功能！
我对已实施的inception_v2模型有一个疑问：在models / research / slim / nets / inception_v2.py link text文件中，可以找到已实施的inception v2“ CNN”树，该树由以下部分组成： conv2d（7x7）-> maxpool（3x3）-> conv2d（1x1）-> conv2d（3x3）-> maxpool（3x3）-> mixed3b-> ...等等。
为帮助代码的“阅读器”了解每一层的输入大小，作者对代码的输入大小进行了注释（从224x224x3输入开始）。现在，就在mixed_3b层（起始模块，行149）之前，输入是28x28x192，而输出是：28x28x256（第181行）。 mixed_3b由4个分支组成：branch_0，branch_1，branch_2，branch_3，其中：
branch_0 = conv2d(1x1)
branch_1 = conv2d(1x1) -> conv2d(3x3)
branch_2 = conv2d(1x1) -> conv2d(3x3) -> conv2d(3x3)
branch_3 = conv2d(1x1)
后来被连接到一个尺寸为28x28x256的张量（我理解深度）。
现在我的第一个问题是：分支1和2的输出如何与blend_3b层中分支0和3的输出产生相同的结果？我的意思是，假设所有卷积都具有padding ='VALID'，且步幅= 0（这些未定义为输入），则分支0和3的输出必须为：
out_width_0_and_3 = (28-1+1)/1 = 28
out_height_0_and_3 = (28-1+1)/1 = 28
例如，分支1必须产生：
out_width_(1x1) = (28-1+1)/1 = 28
out_width_(3x3) = (out_width_(1x1)-3+1)/1 = (28-3+1)/1 = 26 (?)
那是branch_1的输出必须是26x26（具有给定的深度）吗？但是，如何将其与28x28并置呢？也许我想念什么？