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