【吴恩达深度学习】CNN

1. 为什么padding

如果不padding，不停地卷积下去，获得的图像越来越小。

不padding做卷积，维度是如何变化的？ 原本图像是66，经过大小为33的滤波器，生成4*4的。可想而知，不做padding，后面图像会越来越小。

维度变化公式

原图是nn，滤波器大小ff，生成 (n-f+1)*（n-f+1）的图像

padding有哪些参数？

valid

也就是不做padding，输出维度就是 (n-f+1)*（n-f+1）

same

比如原本是6 * 6的图像，我们做p=1的padding，维度因此变成8 * 8。
（n-f+1）=（8-3+1）=6
因为加了这个padding，卷积前后大小不变。
可得公式

n = n + 2p -f + 1
f = 2p +1

因此我们使用的滤波器一般都是奇数的，padding比较好计算，不需要额外的操作。而且中心也便于寻找。

2. stride

默认情况是一格一格移动，但是如果stride=2，则跳着卷积。
最后输出的大小就是
# 3. 三维卷积
6,6,3 表示原始图像是6 * 6的，3通道。这里用红绿蓝表示三个通道。
滤波器也是3 * 3 * 3，原始图像的通道数必须等于滤波器的通道数
最后输出的大小是 4 * 4 * 1的。
因为对每个通道做卷积之后，把每个通道的值相加，得到 4 * 4左上角的数。

参数计算

比如滤波器=5 * 5 参数个数就是

(5 * 5 + 1) * 8 = 208
加一是因为有个偏置 b
乘以8 是因为channel是8