大数据最新【深度学习】：《PyTorch入门到项目实战(1)，一位大数据开发大牛的BAT面试心得与经验总结

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

n\times n

n×n,核形状为

f

×

f

f\times f

f×f，那么经过卷积核作用后，得到的输出形状为

(

n

−

f

1

)

×

(

n

−

f

1

)

(n-f+1)\times (n-f+1)

(n−f+1)×(n−f+1)。可以看出，通常情况下输出特征会由于卷积核的作用而减小。而深度神经网络中，由于卷积核的作用，会导致我们的输出过早的变的很小，导致我们无法构建深层的神经网络。本章介绍另外两个影响输出形状的方法，扩充(padding)和步幅(stride)。

• 有时候，输出远远小于输入，这是因为卷积核的影响，而在原始图像较小的情况下，任意丢失很多信息，这个时候我们需要使用填充是解决此问题。
• 有时，我们可能希望大幅降低图像的宽度和高度。例如，我们发现一个图像实在是太大了。这个时候使用步幅可以快速将输出变小。

1. padding

为了构建深度神经网络，你需要学会使用的一个基本的卷积操作就是padding。首先让我们来回忆一下卷积是如何计算的：

这其实有两个缺陷：

• 第一个是如果每一次使用一个卷积操作，我们的图像都会缩小。 例如我们从 6x6 通过一个 3x3的卷积核，做不了几次卷积，我们的图片就会变得非常小，也许它会缩小到只有1x1。

• 第二个缺陷是图片角落或者边际上的像素只会在输出中被使用一次 因为它只通过那个3x3的过滤器（filter）一次 然而图片中间的一个像素，会有许多3x3的过滤器（filter）在那个像素上重叠 所以相对而言 角落或者边界上的像素被使用的次数少很多，这样我们就丢失了许多图片上靠近边界的信息。

所以为了同时解决上述的两个问题。我们能做的是在使用卷积操作前，对图片进行填充，通常是用0来进行填充，具体如下所示。

我们可以沿着图像边缘再填充一层像素。这样那么3×3的图像就被我们填充成了一个5×5的图像。如果你用2×2的卷积核对这个5×5的图像卷积，我们得到的输出就不是2×2，而是4×4的图像，你就得到了一个尺寸比原始图像3×3还大图像。习惯上，我们都用用0去填充，如果

p

p

p是填充参数，在这个案例中，

p

=

1

p=1

p=1，因为我们在周围都填充了一个像素点，输出也就变成了

(

n

2

p

−

f

1

)

×

(

n

2

p

−

f

1

)

(n+2p-f+1)×(n+2p-f+1)

(n+2p−f+1)×(n+2p−f+1)。所以，要是我们想要保持图像大小不变，则意味着

2

p

−

f

1

=

0

2p-f+1=0

2p−f+1=0,则

p

=

f

−

1

2

p=\frac{f-1}{2}

p=2f−1​,在后面我们的卷积核通常会设置为奇数。

为了指定卷积操作中的padding，我们可以指定

p

p

p的值。以上就是padding，下面我们讨论一下如何在卷积中设置步长。

2.步幅(stride)

卷积窗口从输入张量的左上角开始，向下、向右滑动。 在前面的例子中，我们默认每次滑动一个元素。 但是，有时候为了高效计算或是缩减采样次数，卷积窗口可以跳过中间位置，每次滑动多个元素。卷积中的步幅是另一个构建卷积神经网络的基本操作，例如，下面是一个步幅为3的情况。

如果我们用一个

f

×

f

f×f

f×f的过滤器卷积一个

n

×

n

n×n

n×n的图像，padding为

p

p

p，步幅为

s

s

s，在这个例子中

s

=

3

s=3

s=3，因为现在我们不是一次移动一个步长，而是一次移动

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

3

s=3

s=3，因为现在我们不是一次移动一个步长，而是一次移动

[外链图片转存中…(img-svyYW0F1-1715771795982)]
[外链图片转存中…(img-wazgVWMw-1715771795982)]
[外链图片转存中…(img-TYclVEb6-1715771795982)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取