CNN中stride（步幅）和padding（填充）的详细理解

网上一些解释，我觉还是有点不全面，我梳理一手：

步幅：卷积核经过输入特征图的采样间隔

填充：在输入特征图的每一边添加一定数目的行列，使得输出的特征图的长、宽 = 输入的特征图的长、宽

两个参数的核心：

设置步幅的目的：希望减小输入参数的数目，减少计算量

设置填充的目的：希望每个输入方块都能作为卷积窗口的中心

在边长=4的输入矩阵各边填充1层，全部填充0，采用边长=3的卷积核，全部卷积核的中心构成原输入

首先从一个问题入手：

问题：一个尺寸 a*a 的特征图，经过 b*b 的卷积层，步幅（stride）=c，填充（pad