Conv1- Kernel size 2003- Stride 501- Padding 1- Input size 11000012Processing steps1 Apply the convolution operation to the input with a kernel size of 2003 and a stride of 5012 Apply padding of 1 to

卷积层1：

• 卷积核尺寸：200*3
• 步长：50*1
• 填充：1
• 输入尺寸：110,00012

处理步骤：

1. 对输入应用卷积操作，卷积核尺寸为2003，步长为501。
2. 对输入应用填充，填充为1。
3. 使用公式计算输出尺寸： 输出尺寸 = (输入尺寸 - 卷积核尺寸 + 2 * 填充) / 步长 + 1 = (10,000 - 200 + 2 * 1) / 50 + 1 = 197
4. 卷积后的输出尺寸为119712。

池化层1：

• 池化核尺寸：2*2
• 步长：2*2
• 填充：1
• 输入尺寸：119712

处理步骤：

1. 对输入应用最大池化操作，池化核尺寸为22，步长为22。
2. 对输入应用填充，填充为1。
3. 使用公式计算输出尺寸： 输出尺寸 = (输入尺寸 - 池化核尺寸 + 2 * 填充) / 步长 + 1 = (197 - 2 + 2 * 1) / 2 + 1 = 99
4. 池化后的输出尺寸为19912。

卷积层2：

• 卷积核尺寸：20*2
• 步长：4*1
• 填充：1
• 输入尺寸：19912

处理步骤：

1. 对输入应用卷积操作，卷积核尺寸为202，步长为41。
2. 对输入应用填充，填充为1。
3. 使用公式计算输出尺寸： 输出尺寸 = (输入尺寸 - 卷积核尺寸 + 2 * 填充) / 步长 + 1 = (99 - 20 + 2 * 1) / 4 + 1 = 24
4. 卷积后的输出尺寸为1247。

池化层2：

• 池化核尺寸：2*2
• 步长：2*2
• 填充：1
• 输入尺寸：1247

处理步骤：

1. 对输入应用最大池化操作，池化核尺寸为22，步长为22。
2. 对输入应用填充，填充为1。
3. 使用公式计算输出尺寸： 输出尺寸 = (输入尺寸 - 池化核尺寸 + 2 * 填充) / 步长 + 1 = (24 - 2 + 2 * 1) / 2 + 1 = 12
4. 池化后的输出尺寸为1127