本文详细解释了卷积神经网络中卷积步长的概念，如何影响输出矩阵尺寸，以及三维卷积中使用3x3x3立方体在六维数据上的操作，包括最大移动范围和多过滤器的整合过程。
文章目录
10.5 卷积步长
卷积步长是指每计算一次卷积，卷积移动的距离。
设步长为k，原矩阵规模为nxn，核矩阵规模为fxf，则k+k+k+k+…+k+f<n,新生成的矩阵规模为
⌊
n
−
f
k
⌋
+
1
\lfloor \frac{n-f}{k} \rfloor+1
⌊kn−f⌋+1,如果考虑到填充的情况，原式将进一步修正为
⌊
n
−
f
+
2
p
k
⌋
+
1
\lfloor \frac{n-f+2p}{k} \rfloor+1
⌊kn−f+2p⌋+1,
10. 6 三维卷积
用3x3x3的立方体在6x6x3的长方体进行移动，发现最多可以移动4x4个位置。
可以采用多个过滤器，并将它们的对应的计算结果放到一块，从而从二维空间整合到三维空间。
1419
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
