卷积网络 步长&填充 大小 与输入输出大小的关系
在设计深度学习网络的时候，需要计算输入尺寸和输出尺寸，那么就要设计卷积层的的各种参数。这里有一些设计时候的计算公式，方便得到各层的参数。
这里简化下，约定：
没有填充，单位步长
零填充，单位步长
-
半填充
-
全填充
参考图如下图所示;
不填充，非单位步长
零填充，非单位步长
示意图如下：
参考：
[1603.07285] A guide to convolution arithmetic for deep learning
在设计深度学习网络的时候，需要计算输入尺寸和输出尺寸，那么就要设计卷积层的的各种参数。这里有一些设计时候的计算公式，方便得到各层的参数。
这里简化下，约定：
没有填充，单位步长
零填充，单位步长
参考图如下图所示;
不填充，非单位步长
零填充，非单位步长
示意图如下：
参考：
[1603.07285] A guide to convolution arithmetic for deep learning