卷积网络 步长&填充 大小 与输入输出大小的关系

参考网址：

1、https://blog.csdn.net/meadl/article/details/68927227

2、https://blog.csdn.net/u011692048/article/details/77572024

 

       卷积层的维度计算 

      假设卷积层的输入大小x*x为5*5，卷积核大小k*k为3*3,步长stride为2，假设不填充，输出维度将会是(x-k)/2+1,即为2*2；如果步长为1，那么输出将会是3*3.步长为1的前向传波和反向传播已有很多推导，不再赘述。

 

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

1. 半填充

1. 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：