1.5卷積神經網絡筆記—strided步幅

  1.步幅strided=2時卷積計算及相應公式

strided=1時，計算卷積輸出矩陣不同位置的值是將濾波器矩陣（右或下）移動一格

strided=2時，計算卷積輸出矩陣不同位置的值是將濾波器矩陣（右或下）移動2格如上圖

所得輸出矩陣s=strided=步幅，p=padding=填充數量

如果不是整數，用下取整方法（也叫對z進行地板除，對z進行向下取整到最近的整數）下取整方法：即當籃框如下圖溢出輸入圖像矩陣（或溢出padding後矩陣）之外則不進行相乘操作，以避免輸出矩陣規模不是整數情況。

2.互相關與卷積

上述計算卷積過程實際上在數學定義中是互相關運算，但是在深度學習中我們將之稱爲卷積。（數學中定義卷積需要對濾波器矩陣進行雙重鏡像操作）