【DL】卷积基础操作: Kernel, Padding, Stride & Column

Backto DeepLearning Index

一般在模型表述中，卷积操作的简写类似 k(3,3)-c512-s1-p1, 其中 k 代表 kernel(大小)， c 代表 column(层数)，s 代表 stride(步长)， p 代表 padding(填充数量)。这四个是卷积操作的基本属性。

Kernel 卷积核

一般为奇数正方形，如 3x3, 7x7

Column

Kernel 的深度或者说层数

Stride

Kernel 移动的步长，Stride 其实就是一个 down-sampling 的过程。

Padding

为保留图像边缘信息而在四周进行padding（一般为0）。

卷积前后特征图的大小关系为

助记: 本来的尺寸是 n i n n_{in}