点击上方“AITop100”，选择“星标”公众号
重磅干货，第一时间送达
学过cnn我们都知道神经网络的结构组成中很重要的结构是卷积核，而且我们所熟知的模型中大多数都是奇数x奇数，没有偶数x偶数的。
VGG模型几个变种结构
上图的VGG模型中可以看到都是以3x3的卷积核为特点。"conv3-64”即为卷3x3卷积 ，一共64个。还有熟知的AlexNet模型，有11x11,5x5和3x3。你有见过偶数的吗？没有吧。
有没有想过为什么没有奇数？这个问题想明白了就是进步。
本人理解的主要原因是2点：
方便做padding，填充时四周同时进行补0。
方便选取卷积核的滑动锚点，奇数有一个中间块方便做锚点。
，输出尺寸为
，卷积核大小K，步长S，padding为p，那么输入和输出之间满足：
。在一般情形下，S=1，O=i，那么上式可以化为：
，可以直观地看出K是奇数。
可能还是有人会有疑惑，因为上面有个2p，这是在做卷积填充时在左右(上下)两边同时补0，我们举个反例，输入为4x4的特征图，如果希望得到一个4x4的输出，卷积核为2x2时步长为1该怎么做padding，不做padding 只能得到3x3,还需滑动一次怎么办，是要在左边补0好还是右边补0好呢，太纠结了，而且选择其中一边好像会有一定的含义，所以为了避免“不公平”还是选择奇数3x3卷积核两边上下均补上0来做就很轻松了。
至于锚点，其实个人认为只是一个方式，选择其它非中间点方式也是很可以的，就好像运动会列队行走时，以方正中心为基准更能清晰描述它的位置信息。
还有什么观点欢迎留言评论？
哦，对了，面试的时候这个问题可能会问到。
-完-
最新热文荐读
惊叹！哈工大、哈工程的老师和学生们最近无法使用 MATLAB 了，毕业发论文受到影响！
震惊！IBM宣布放弃人脸识别业务，关停技术研发，人脸识别为什么在美国这么“难”
觉得本文对你有帮助？请分享给更多人
欢迎关注上方右侧我的腾讯视频号
介绍一下我的腾讯视频号以及我自
觉得有用麻烦给个在看啦~ 
6386
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
