卷积计算公式_深度学习中卷积计算(coarse)指南

• 前言

卷积的计算是CNN中最基本的算术单元，卷积的计算过程中出现的：Input Feature Map(FP), Output Feature Map(FP), 以及与 Kernel(size, strides, padding， dilation rate等)之间的关系和计算方式是我们应该掌握的基本知识。笔者在这里对其进行简要介绍。

• 卷积Input FP size 与 Output FP size之间的计算公式

1、如图1所示， 其展示了从Input FP 经过卷积计算得到 Output FP的过程，每个通道相互之间独立；

                                             图 1：卷积计算示意图

2、假设Input FP的channels数为n_in， Output FP的channels数为n_out为例，kernel为方形，大小为k, Input FP的Padding为p, 卷积计算的步长(stride)为s。则输入输出的关系如下：