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