卷积
卷积层的结构参数
卷积核大小(Kernel Size):定义卷积操作的感受野。
步幅(Stride): 定义卷积核遍历图像时的步幅大小。其默认值通常设置为1。设置大于1的值后对图像进行下采样,这种方式类似池化操作。
边界扩充(Padding): 定义了网络层处理样本边界的方式。当卷积核大于1且不进行边界扩充,输出尺寸将相应缩小;当卷积核以标准方式进行边界扩充,则输出数据的空间尺寸将与输入相等。
输入与输出通道(Channels): 构建卷积层时需定义输入通道I ,并由此确定输出通道O 。这样,可算出每个网络层的参数量I × O × K ,其中K 为卷积核的参数个数。例如,某个网络层有64个大小为3 × 3 的卷积核,则对应K 值为3 × 3 = 9 。
卷积实际上是 加权叠加,输出的维度小于输入的维度。如果需要输出的维度和输入的维度相等,就需要填充(padding)。
卷积的计算公式:
M = ( S + 2 ∗ P − K ) / S + 1 M = (S+2*P-K)/S + 1