Pytorch基础——关于LeNet中的padding值

问题源头：

老师在上课中对LeNet-5的过程进行了解析，我在看回放的时候，发现在第一层卷积的时候，padding的值没搞清楚多少，故对于输出计算不太理解。（听老师口述padding=1，却不知道在不需要填充的时候，就不用padding值，在结尾已给出叙述和资料解释）

LeNet流程如下：

**输出：**w_out=（w_in+2P-R)/S+1

padding的解释：

对边缘部分没有运算的数据，做补0操作。当padding=1，则周围都补0，padding=0的话，代表不需要填充

附：

valid padding（有效填充）：完全不使用填充。

half/same padding（半填充/相同填充）：保证输入和输出的feature map尺寸相同。

full padding（全填充）：在卷积操作过程中，每个像素在每个方向上被访问的次数相同。

arbitrary padding（任意填充）：人为设定填充。
> 注意：

padding填充方式：对图片进行四周填充。
如果图片大小滑动窗口大小，步长，它们的取值使得图片的所有像素都被滑动窗口遍历完，这时候就无需零填充了。（padding虽被设置为SAME，但只有在需要零填充时才进行零填充）

R是维度，比如5*5
S是步长值，比如左上角四个，然后中间四个，再右侧四个，这步长就是1

**总结：**由于在此采用的是非全零填充方式，即valid padding，所以padding=0，即输出为（32-5）/1+1=28

文章用来记录生活。
部分内容取自csdn前人，致敬。