1. 卷积的两个超参{填充、步幅}
2. input 33*32,应用5*5的kernel,输出会减少4*4,所以输出变为28*28
每一层的卷积是的输出大小编程n-5+1,每卷积一次,宽高的维度就会减少4,
使用更大的卷积层会更快的减少输出的大小
一般来讲,我们使用卷积层,是想要加深网络的深度,如何才能使网路的深度增加?
一、padding
在输入的宽和高 周围加入额外的行/列,控制输出形状的减少量
填充Ph行和Pw列,输出形状为:
(Nh-Kh+Ph+1)*(Nw-Kw+Pw+1)
我们通常取Ph=Kh-1,Pw=Kw-1 这样保证了我们的输入和输出是一致的
二、步幅:指的是行/列的滑动步长,成倍的减少输出形状的大小
***一般我们去卷积Kernel为5*5 / 3*3****
给定的高度Sh和宽度Sw的步幅,输出形状 [(Nh-Kh+Ph+Sh)/Sh] * [(Nw-Kw+Pw+Sw)/Sw]
向下取整
三、卷积的三个参数的影响因子
核的大小 > 填充 > 步幅