CNN初探（一）------补充

Convolution Arithmetic

为了简化情况，假设输入(input)、特征块(kernel)、补零(padding)以及步长(strides)在不同轴上的长度均相等，分别为i、k、p、s。

---

No zero padding, unit strides

$$o=i-k+1,\\ 其中s=1, p=0$$

---

Zero padding, unit strides

$$o=i-k+2p+1,\\ 其中s=1$$

Half (same) padding

在这里输入与输出的大小一样，这是一个期望的特性

$$o=i-k+2p+1=i,\\ 其中s=1,k=2n+1，p=\lfloor k/2 \rfloor$$

Full padding

当需要输出比输入更大时

$$o=i-k+2p+1=i+k-1,\\ 其中s=1，p=k-1$$

---

No zero padding, non-unit strides

$$o=\left \lfloor {{i-k}\over{s}} \right \rfloor+1,\\ 其中p=0$$

---

Zero padding, non-unit strides

$$o=\left \lfloor {{i+2p-k}\over{s}} \right \rfloor+1,\\ 其中p=0$$

---

参考资料

1. Vincent Dumoulin ， Francesco Visin， A guide to convolution arithmetic for deep learning， 2016-3-24.

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。