卷积中padding的作用:
1.防止图像的边界信息丢失
2.缩小图像
原理:
- same:采取的是补全方式,尝试在左边和右边补0,规则是左奇右偶,例如输入input_width=13,Filter_width=6,stride=5。在上面滑动的次数是3次,如图所示,输入不够0来凑。
- valid:采用的是丢弃的方式,如果不够滑动一次则将剩下的数据丢弃。
计算输出公式: - same:
noutput=?ninputs?n_{output} = \lceil \frac{n_{input}}{s}\rceilnoutput?=?sninput???
其中ninputn_{input}ninput?为输入大小,sss为步长。 - valid:
noutput=?ninput?f+1s?n_{output} = \lceil \frac{n_{input} - f + 1}{s}\rceilnoutput?=?sninput??f+1??
其中ninputn_{input}ninput?为输入大小,sss为步长,fff为kernel size。