Pytorch中的卷积神经网络知识

卷积神经网络知识碎片

卷积神经网络中的卷积层通过卷积核（滤波器）在输入矩阵上不断滑动计算得到输出。
计算过程中的参数含义如下：

卷积核大小f

就是卷积核的矩阵大小，一般选择33或55。经验验证，3和5是最佳的大小。

边界填充p（padding）

若不对输入矩阵进行填充，经过卷积核计算后的输出矩阵会不断减小，这样在几次卷积之后，输出矩阵可能无法进行下一步运算。所以要维持矩阵在运算过程中大小不变，可以对矩阵做填充，将矩阵周围全部在包围一层。如原始矩阵为55，上下左右各加1，相当于5+1+1=7，这时，计算结果还是55。

步长s

卷积核每次运算后在输入矩阵上滑动的距离称为步长。

输出矩阵计算公式

$$输出矩阵大小=\frac{n-f+2p}{s}+1$$
n为输入矩阵的大小。

池化层

池化层的输出大小公式也与卷积层一样，由于没有进行填充，所以p=0。
$$输出矩阵大小=\frac{n-f}{s}+1$$