卷积中padding的作用:
1.防止图像的边界信息丢失
2.缩小图像
原理:
- same:采取的是补全方式,尝试在左边和右边补0,规则是左奇右偶,例如输入input_width=13,Filter_width=6,stride=5。在上面滑动的次数是3次,如图所示,输入不够0来凑。
- valid:采用的是丢弃的方式,如果不够滑动一次则将剩下的数据丢弃。
计算输出公式: - same:
n o u t p u t = ⌈ n i n p u t s ⌉ n_{output} = \lceil \frac{n_{input}}{s}\rceil noutput=⌈sninput⌉
其中 n i n p u t n_{input} ninput为输入大小, s s s为步长。 - valid:
n o u t p u t = ⌈ n i n p u t − f + 1 s ⌉ n_{output} = \lceil \frac{n_{input} - f + 1}{s}\rceil noutput=⌈sninput−f+1⌉
其中 n i n p u t n_{input} ninput为输入大小, s s s为步长, f f f为kernel size。