AI作业8-卷积2

1.步长、填充

步长（stride）：指卷积神经网络（CNN）中，卷积核在进行卷积操作时在输入数据上滑动的步长。步长越大，输出的特征图尺寸越小，计算量也会减少。

填充（padding）：指在输入数据的边缘处添加一定数量的虚拟数据，使得卷积核可以在边缘处进行卷积操作。填充可以控制输出的特征图尺寸，并且可以避免信息丢失。

2.感受野

感受野（receptive field）：指卷积神经网络中某个特征图上的一个像素点，在输入数据中对应的区域大小。感受野可以帮助我们理解神经网络对输入数据的感知范围。

3.局部感知、权值共享

局部感知（local perception）：指卷积神经网络中，卷积核只在输入数据的局部区域上进行卷积操作。这样可以减少网络参数的数量，从而降低过拟合的风险。

权值共享（weight sharing）：指在卷积神经网络中，每个卷积核的参数都被用于在输入数据的不同位置进行卷积操作。这样可以减少网络参数的数量，并且可以让神经网络对输入数据的不同位置具有相同的响应，从而提高模型的泛化性能。

4.池化（子采样、降采样、汇聚）

池化是深度学习中的一种操作，也被称为子采样、降采样或汇聚。它通常用于卷积神经网络（CNN）中，作为一种数据压缩和特征提取的技术。

池化操作可以将输入数据的尺寸缩小，同时保留最重要的特征。池化通常在卷积层之后应用，以减少下一层所需的计算量。常