【Pytorch深度学习50篇】·······第一篇：【认识深度学习】（2）

上一篇文章已经交给大家深度学习中的卷积是如何卷的，我的总结就是对应位置相乘在相加，最后加上bias。如果说怎么卷是小学三年级的知识，那我们今天就来说点小学六年级的知识，今天主要还是对上次那个动图做一下进一步的讲解，要说的几个深度学习中经常听到的英文单词，它们分别是：stride，padding，kernel,feature map,上动图

1.stride 

stride直译过来就是步伐，也就是卷积核移动的步伐，常见的stride一般都是1，2这样的步伐，老人们常说步子迈大了，会摔跟头，我说步子迈大了，裤裆会发愁。

动图第一帧，卷积核的位置就在这里

动图第二帧

明显的可以看到，卷积核向右移动了两个格子，所以stride=2，这么说应该没问题了吧

再来看一帧

卷积核横着跑完之后，他又竖着跑了，和第一帧相比，它向下移动了两个格子，所以stride=2。

没办法，就是这么严谨。stride大概就是这样的了

2.padding

padding直译过来就是填充的意思，你可能要问了，填充干什么，填充的哪里啊，填什么东西啊。

其实就是在图片的上下左右各补上一圈0,如下图

外面灰色的那一圈就是padding上的0，中间蓝色的部分就相当于是图片的，也就是说图片大小是5*5的，padding之后的大小就是7*7，但是这个时候padding=1，一定不要以为padding=2.

我对padding的理解就是，填充是为了保证图片的边缘也能够和中间部分一样，可以被卷积多次，如果不padding的话，中间信息卷积的次数就多了，就不公平了，这是个人人平等的社会，图像也是平等的，其次padding还能够保持feature map的尺寸，我现在这么说，你可能还不懂什么意思，没关系，我等会讲到后面我会回来说这个feature map的事

3.kernel

 kernel直译过来就是卷积核的意思，反应在图上就是下图

Filter W0是一个kernel， Filter W1也是一个kernel， 所以这个卷积过程中有2个卷积核，卷积核的个数就是2，个数有了，我们还要明确卷积核的大小，图上也写的很清楚了，是3*3*3，也就是说一个kernel有3个3*3的矩阵

不知道你有没有疑问，为什么要3个3*3的矩阵，为什么不能是4个或者5个3*3的矩阵，几个矩阵这个事啊，还要看图片的维度，我们可以从图片上看到，图片的维度是7*7*3（padding之后），也就是说，图片有几个通道，kernel就要有几个矩阵，因为我们输入的图片是3个通道的，所以kernel才有3个矩阵。但是你别把这个矩阵的个数和卷积核的个数搞混了，在我们这个动图中，卷积核的个数是2（W0和W1），每个卷积核有3个3*3的举证，为什么有3个，是因为图片是3通道的。解释清楚了吧，千万别混淆了。

我们经常说这次卷积，用到的卷积核的维度是3*3*3*2，这个也是这次卷积的参数量。

4.feature map

feature map的直译过来就是特征图的意思，我们一般说特征图的时候会说，这个特征图的长是多少，宽是多少，通道数是多少。以上图为例，最后的那个output volume为例，我们就可以称之为一个feature map，它的长就是3，宽就是3，通道数就是2（有几个矩阵，通道数就是几），所以我们说这个feature map的维度就是3*3*2，上图

,相当于图片在卷积之后，图片有7*7*3变成了3*3*2，明显变小了，为什么会变小，就是因为卷积的原因，它的padding和stride造成的，其实有个公式可以直接计算：

代表生成的feature map的宽，w代表图片的宽（padding之前），k代表kernel的大小，p代表padding数,，s代表stride

根据上图 w = 5 , k=3, p=1 , s=2，所以新的feature map的宽=((5-3+2)/2)+1 = 3

验算正确，记住公式即可

那新的feature map的高又怎么算呢，方法跟你上面其实是一样的，还是写一下吧

是新的feature map的高，h是原图的高（padding之前），计算同上，可以自己试一试

刚刚也说了output volume的维度是3*3*2，那这个2是哪来的，这个2啊，就是kernel的个数，不用就计算了。

5.总结

这次卷积相当于用3*3*3*2的卷积核，在padding=1，stride=2的情况下，把5*5*3的图片变成3*3*2的feature map。

我觉得已经说的很通俗易懂，王婆卖瓜，自卖自夸。

OK，认识深度学习到这里就差不多可以了，接下里我会演示一个深度学习相关的示例，先演示效果再来，一步步教学，这是我之后的方针。

值得一提的事，昨天，就在昨天，我的上一篇文章登上了csdn人工智能榜的第22名，给我高兴坏了，真的是高兴惨了，哈哈哈，之前还去网上查了一下怎么让自己的文章红起来，然后看到一句话，我与大家共勉，那就是：

仰望星空，脚踏实地。

22名的截图献上

 

至此，敬礼，salute！！！！！