《A guide to convolution arithmetic for deep learning》中文翻译

原文作者：Vincent Dumoulin and Francesco Visin；

                  MILA, Université de Montréal；AIRLab, Politecnico di Milano

All models are wrong, but some are useful.                                                       ————George E. P. Box

---

                                                        致谢

本文作者对David Warde-Farley,Guillaume Alain 和 Caglar Gulcehre的反馈表示感谢。所有对本指南提出了有帮助的评论、有建设性的批评意见以及做出过代码贡献的人，我们也同样致以感谢。

Special thanks to Ethan Schoonover, creator of the Solarized color scheme, whose colors were used for the figures.

                                            源代码以及动态图片

用于生成本指南的代码以及图片可以从Github上获取，地址：https://github.com/vdumoulin/conv_arithmetic。读者可以从这里获取动态图片。

---

第一章  介绍

深度卷积神经网络已经成为了深度学习领域最引人注目技术。即使CNNs早在20世纪90年代就已经被用于解决字符识别任务（(Le Cun et al., 1997），他们目前广泛流传的应用源于近期的工作——深度卷积神经网络在ImageNet图像分类挑战赛中击败了以往最好的方法(Krizhevsky et al., 2012)。

CNN因此成为了机器学习实践者非常有用的工具。然而，第一次学习使用CNN对大多数人来说并不是一件非常轻松愉快的事。

未完待续。。。