根据原始论文，YOLO 网络层的输入大小为 448x448x3，在应用过滤器（7x7x64-s-2）后，输出形状为 221x221x192，如我所料。一些消息来源断言输出形状是 224x224x192，但是如果我们不使用内核（2x2x64-s-2）怎么可能呢？
我想使用 keras 来实现它。但是我的代码不允许获得它给出的下一层的正确大小（无、221、221、64）
model = Sequential()
# The 1st layer
model.add(Conv2D(filters=64, kernel_size=7,
strides=2, input_shape=(448,448,3)))
model.add(LeakyReLU(alpha=0.1))
通常，当我们使用 CNN 时，我们使用卷积填充，这样，激活图的大小与输入相同。
观看此视频以了解填充的工作原理： Andrew Ng course on Coursera 关于填充（您需要一个帐户才能观看完整视频）
在 Keras 中，Conv2D 层有一个称为“填充”的参数，这里是文档的链接：Keras 的 卷积层文档
请注意，因为他们说在使用不同于 1 的步幅时将填充设置为“相同”（这里是您的情况）可能会因您使用的后端而不一致。我让你试试看第二层的形状是否正确。
这样，你的 conv 层输出应该是 224x224，就像在论文中一样（在 maxpool 层之后是 112x112）
注意：请注意您的过滤器编号。您将过滤器的数量设置为 64，但在论文中，过滤器的数量是 192（我猜它是 64*3，因为有 3 个通道？）
您将不得不调查来源。从下面开始，如果 pad != 0 则 padding = size/2 = 7/2 = 3。如果 pad = 0，则无论 padding 是通过 cfg/yolov1.cfg 传递的。呸！
Breakpoint 1, parse_convolutional (options=0x5555557f18c0, params=...) at ./src/parser.c:180
180 {
(gdb) n
181 int n = option_find_int(options, "filters",1);
(gdb) n
182 int size = option_find_int(options, "size",1);
(gdb) n
183 int stride = option_find_int(options, "stride",1);
(gdb) n
184 int pad = option_find_int_quiet(options, "pad",0);
(gdb) n
185 int padding = option_find_int_quiet(options, "padding",0);
(gdb) print pad
$1 = 1
(gdb) print padding
$2 = 1436698242
(gdb) n
186 int groups = option_find_int_quiet(options, "groups", 1);
(gdb) print padding
$3 = 0
(gdb) n
187 if(pad) padding = size/2;
(gdb) n
189 char *activation_s = option_find_str(options, "activation", "logistic");
(gdb) print padding
$4 = 3
(gdb) print size
$5 = 7
(gdb)