type
status
date
slug
summary
tags
category
icon
password
卷积的输出形状取决于输入形状和卷积核的形状。
输出的大小还会受到 填充（padding）和步幅（stride）的影响
6.3.1 填充
在应用多层卷积时，我们常常丢失边缘像素。
因此，我们尝试在图像边界填充元素，降低丢失边缘带来的信息损失
在许多情况下，我们需要设置 和 ，使输入和输出具有相同的高度和宽度。（这里的 是总列数，）
卷积神经网络中卷积核的高度和宽度通常为奇数，例如1、3、5或7。 选择奇数的好处是，保持空间维度的同时，我们可以在顶部和底部填充相同数量的行，在左侧和右侧填充相同数量的列。
此外，使用奇数的核大小和填充大小也提供了书写上的便利。对于任何二维张量
X，当满足： 1. 卷积核的大小是奇数； 2. 所有边的填充行数和列数相同； 3. 输出与输入具有相同高度和宽度 则可以得出：输出Y[i, j]是通过以输入X[i, j]为中心，与卷积核进行互相关计算得到的。6.3.2 步幅
在前面的例子中，我们默认每次滑动一个元素。
有时候为了高效计算或是缩减采样次数，卷积窗口可以跳过中间位置，每次滑动多个元素。
我们将每次滑动元素的数量称为步幅（stride）
与 padding 类似，stride 也可以各自指定水平、竖直方向的值
6.3.3 小结
- 填充可以增加输出的高度和宽度。这常用来使输出与输入具有相同的高和宽。
- 步幅可以减小输出的高和宽，例如输出的高和宽仅为输入的高和宽的1/n（n是一个大于1的整数）。
- 填充和步幅可用于有效地调整数据的维度。
- 作者:昊卿
- 链接:hqhq1025.tech/article/1b6a897c-9da0-80b9-8afd-e7ed54652bc4
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章
