Padding和Striding都是深度神经网络里的常规操作，所以要记住它两的作用和概念。
padding的作用是填充。 然后，也可以将边值卷积在操作的中心。 有什么用？ 总之有几个区别，特别是边缘敏感的特征。
另一方面，卷积图像是卷积，输入为55，输出为33
二、padding形象这就是zero padding。 padding的作用是使输入输出维的大小相同。 zero的意思是用o代替fake区域的值，与延伸几个网格无关。 这里是33个卷积，所以如果拉伸方格，55个卷积的话会拉伸2个。 确保卷积操作的中心与边界对齐很重要。
三. Striding图像Striding操作一般用于轮询层，即游泳池化。 操作的过程是迈出一大步，而不是每次卷积都计算。
For the sake of brevity，whenthepaddingnumberonbothsidesoftheinputheightandwidtharephandpwrespectively，wecallthepadding(pw ) thepaddingisp.whenthestridesontheheightandwidthareshandsw，respectively，wecallthe