本文介绍了卷积神经网络中的基本概念，包括Kernel（卷积核）的大小，Column（层数），Stride（步长）以及Padding（填充）。卷积核通常为奇数正方形，Column指的是卷积核的深度，Stride决定了卷积的移动步长，Padding用于保持图像边缘信息。通过公式推导了卷积后特征图的大小关系，帮助理解卷积操作。
Backto DeepLearning Index
一般在模型表述中，卷积操作的简写类似 k(3,3)-c512-s1-p1, 其中 k 代表 kernel(大小)， c 代表 column(层数)，s 代表 stride(步长)， p 代表 padding(填充数量)。这四个是卷积操作的基本属性。
Kernel 卷积核
一般为奇数正方形，如 3x3, 7x7
Column
Kernel 的深度或者说层数
Stride
Kernel 移动的步长，Stride 其实就是一个 down-sampling 的过程。
Padding
为保留图像边缘信息而在四周进行padding（一般为0）。
卷积前后特征图的大小关系为
助记: 本来的尺寸是 n
最低0.47元/天 解锁文章
1266
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
