假设在卷积神经网络的第一层中有5个卷积核，每个卷积核尺寸为7×7，具有零填充且步幅为1，该层的输入图片的维度是224×224×3，那么该层输出的维度是（）。

如果原始图片尺寸为n×n，filter尺寸为f×f，则卷积后的图片尺寸为（n-f+1）×（n-f+1），f一般为奇数。若考虑存在填充和步幅，用s表示stride长度，p表示padding长度，如果原始图片尺寸为n×n，filter尺寸为f×f，则卷积后的图片尺寸为[（n+2p-f）/s+1]×[（n+2p-f）/s+1]（中括号内向下取整）。此例中，n=224，p=0，f=7，s=1，因此，该层输出的尺寸为218×218，输出的第三个维度由滤波器的个数决定，即为5。