【深度学习】卷积层填充和步幅以及其大小关系

参考链接

【深度学习】：《PyTorch入门到项目实战》卷积神经网络2-2：填充(padding)和步幅(stride)

一、卷积

卷积是在深度学习中的一种重要操作，但实际上它是一种互相关操作，，首先我们来了解一下二维互相关：具体做法是对应数字相乘后相加

  Output具体的运算过程：

 而一个卷积运算的操作如下，给一个输入矩阵和一个核函数，我们将从输入特征的左上角开始与核函数求内积，然后在进行滑动窗口，求下一个内积。得到我们的输出,具体计算如下

 可以看出，通过卷积计算后，我们的原始数据特征变小了。假设输入矩阵为,核函数（Kernel）为，通常核是一个方阵形式。那么得到的输出结果为。

一维和三维卷积

1. 一维：文本，语言，时序序列
2. 三维：视频，医学图像，气象地图

 二、卷积层的填充和步幅：控制输出大小的超参数

正如上面所说的假设输入特征为,核形状为，那么经过卷积核作用后，得到的输出形状为。可以看出，通常情况下输出特征会由于卷积核的作用而减小。而深度神经网络中，由于卷积核的作用，会导致我们的输出过早的变的很小，导致我们无法构建深层的神经网络。因此接下来介绍另外两个影响输出形状的方法，扩充(padding)和步幅(stride)。

• 有时候，输出远远小于输入，这是因为卷积核的影响，而在原始图像较小的情况下，任意丢失很多信息，这个时候我们需要使用填充解决此问题。
• 有时，我们可能希望大幅降低图像的宽度和高度。例如，我们发现一个图像实在是太大了。这个时候使用步幅可以快速将输出变小。

1. padding

为了构建深度神经网络，你需要学会使用的一个基本的卷积操作就是padding。首先让我们来回忆一下卷积是如何计算的：

这其实有两个缺陷：

第一个是如果每一次使用一个卷积操作，我们的图像都会缩小。 例如我们从 6x6 通过一个 3x3的卷积核，做不了几次卷积，我们的图片就会变得非常小，也许它会缩小到只有1x1。

第二个缺陷是图片角落或者边际上的像素只会在输出中被使用一次 因为它只通过那个3x3的过滤器（filter）一次 然而图片中间的一个像素，会有许多3x3的过滤器（filter）在那个像素上重叠 所以相对而言 角落或者边界上的像素被使用的次数少很多，这样我们就丢失了许多图片上靠近边界的信息。

所以为了同时解决上述的两个问题。我们能做的是在使用卷积操作前，对图片进行填充，通常是用0来进行填充，具体如下所示。

我们可以沿着图像边缘再填充一层像素。这样那么3×3的图像就被我们填充成了一个5×5的图像。如果你用2×2的卷积核对这个5×5的图像卷积，我们得到的输出就不是2×2，而是4×4的图像，你就得到了一个尺寸比原始图像3×3还大图像。习惯上，我们都用用0去填充，如果是填充参数，在这个案例中，，因为我们在周围都填充了一个像素点，输出也就变成了。所以，要是我们想要保持图像大小不变，则意味着,则,在后面我们的卷积核通常会设置为奇数。

为了指定卷积操作中的padding，我们可以指定的值。以上就是padding，下面我们讨论一下如何在卷积中设置步长。

2.步幅(stride)

卷积窗口从输入张量的左上角开始，向下、向右滑动。 在前面的例子中，我们默认每次滑动一个元素。 但是，有时候为了高效计算或是缩减采样次数，卷积窗口可以跳过中间位置，每次滑动多个元素。卷积中的步幅是另一个构建卷积神经网络的基本操作，例如，下面是一个步幅为3的情况。

 如果我们用一个的过滤器卷积一个的图像，padding为，步幅为，在这个例子中，因为现在我们不是一次移动一个步长，而是一次移动步，输出于是变为。表示向下取整。