深度学习入门 : 基于Python的理论与实现

7.2  卷积层 

207

使用填充主要是为了调整输出的大小。比如，对大小为

(4, 4)

的输入

数据应用

(3, 3)

的滤波器时，输出大小变为

(2, 2)

，相当于输出大小

比输入大小缩小了2个元素。这在反复进行多次卷积运算的深度网

络中会成为问题。为什么呢？因为如果每次进行卷积运算都会缩小

空间，那么在某个时刻输出大小就有可能变为1，导致无法再应用

卷积运算。为了避免出现这样的情况，就要使用填充。在刚才的例

子中，将填充的幅度设为 1，那么相对于输入大小

(4, 4)

，输出大小

也保持为原来的

(4, 4)

。因此，卷积运算就可以在保持空间大小不变

的情况下将数据传给下一层。

7.2.4

　步幅

应用滤波器的位置间隔称为步幅（

stride

）。之前的例子中步幅都是 1，如

果将步幅设为2，则如图 7

-

7 所示，应用滤波器的窗口的间隔变为 2 个元素。

图7-7　步幅为2 的卷积运算的例子

1 2 3

0 1 2

3 0 1

15

2 0 1

0 1

15

2

1 0 2

1 2 3 0

0 1 2 3

3 0 1 2

2 3 0 1

1 2 3

0 1 2

3 0 1

2 3 0

1 2 3 0

0 1 2 3

3 0 1 2

1 2 3

0 1 2

3 0 1

3 0

2 3

1

2

2 0 1

0 1

15 17

2

1 0 2

1

0

3

1 2 3 0

0 1 2 3

3 0 1 2

2 3 0 1

1 2 3

0 1 2

3 0 1

2 3 0

1 2 3 0

0 1 2 3

3 0 1 2

1 2 3

0 1 2

3 0 1

步幅: 2

  第 7章　卷积神经网络

208

在图 7

-

7 的例子中，对输入大小为 ...