卷积网络keras实现的部分理解

参考

CNN简介（原图到特征图的映射）

1. 卷积有padding和stride，左上顶头开始，直到遍历完输入图像的所有像素（即使靠右靠下还有剩余padding也不再计算）。

奇数图像stride=(2,2)，no padding卷积：先减1，再除以2。

图像大小m*m,核k*k,stride=s,输出大小[m/s]-(k-1)/s。[]表上取整。

 

2. padding=same：0填充，padding=valid：不填充。参考，参考2

 

3. 奇数图像(2,2)池化：先加1，再除以2

 

4. dropout=p：以概率p舍弃神经元，即其中p不工作。防止过拟合

 

5. Conv2DTranspose：反卷积，动图。

stride-1是在输入图像两像素间插入的0像素数。

no strides的反卷积=n