卷积神经网络中两种Padding方式的介绍
当我们计算卷积池化后的图像尺寸时，需要注意“VALID”和“SAME”两种Padding对应的输出尺寸计算方式不一样，下面就来说说具体的计算方式 1. 当Padding为“VALID” 这种情况下，当你经过最后一步步长做卷积或池化运算，超出图像边界不会补‘0’，输出的形状为：⌈(W-F+1)/S⌉ ...
当我们计算卷积池化后的图像尺寸时，需要注意“VALID”和“SAME”两种Padding对应的输出尺寸计算方式不一样，下面就来说说具体的计算方式 1. 当Padding为“VALID” 这种情况下，当你经过最后一步步长做卷积或池化运算，超出图像边界不会补‘0’，输出的形状为：⌈(W-F+1)/S⌉ ...