概念和特点
padding填充
输出(n+2p-f+1)*(n+2p-f+1)
p为padding
f为stride
valid卷积
意味着卷积不填充
输入:
n* n的图像
f* f的滤波器
输出:
(n-f+1)*(n-f+1)
same卷积
为了得到和原图像一样大小的输出
p=(f-1)/2
输入:
n* n的图像
f* f的滤波器
输出:
(n+2p-f+1)*(n+2p-f+1)
stride步长
输入:
n* n的图像
f* f的滤波器
输出:
floor((n+2p-f)/s+1)
互相关
互相关缺少翻转操作
双重镜像实例:
双重镜像后变成
为了简化代码,并是神经网络正常运行,所以就不做双重镜像操作
softmax函数