0、前言
打算对吴恩达老师的Deeplearning课程做一个笔记回顾,大体整理思路为吴老师课堂内容和个人理解,非常基础无难点,重在备忘分享,大神勿喷!
一、Stride概念和使用原因
卷积过程中,有时需要通过填充来避免信息损失,有时也要在卷积时通过设置的步长(Stride)来压缩一部分信息。因此卷积中的步幅是另一个构建卷积神经网络的基本操作。
Stride表示filter在原图片中水平方向和垂直方向每次的步进长度。之前我们默认stride=1。若stride=2,则表示filter每次步进长度为2,即隔一点移动一次。
二、例子
下面通过课程中的一个例子来说明stride的操作:
我们想用3×3的过滤器卷积这个7×7的图像,和之前不同的是,我们把步幅设置成了2。我们还和之前一样取左上方的3×3区域的元素的乘积,再加起来,最后结果为91。
之前我们移动蓝框的步长是1,现在移动的步长是2,我们让过滤器跳过2个步长,注意一下左上角,这个点移动到其后两格的点,跳过了一个位置。还是将每个元素相乘并求和,我们将会得到的结果是100。
继续往右边移动,将蓝色框移动两个步长,你将会得到83的结果:
此时需要注意的是,当我们移动到下一行的时候,我们还是是使用步长2而不是步长1,所以我们将蓝色框移动到这里:计算得