卷积层里的填充Padding和步幅Stride 动手学深度学习v2 pytorch

卷积层的超参数：

• Kernel卷积核的大小
• 填充Padding
• 步幅Stride

1. 卷积层里的填充Padding

2 卷积层里的步幅Stride

3. 代码实现

3. Q&A

• 1. 超参数 核大小，填充一般是核大小-1，步幅一般看是否需要优化计算的速度。
     

     
     

• 2. 卷积核的变长一般选奇数，方便计算。
     

     
     

• 3. 一般大家直接用经典的网络结构，比如 ResNet 用的居多。
     

     
     

• 4. 机器学习本质就是压缩的算法，机器学习永远都会丢失信息的，跟信息论是一样的。
     

     
     

• 5. 底层用大Kernel，上层用小Kernel
• 6. 不同的卷积层，可以理解成识别图像的多种不同的纹理。
     

     
     

• 7. 工业革命就是用机器替代人力。
     

     
     

     科学的也是从贵变便宜的过程。
     

     
     

参考

https://www.bilibili.com/video/BV1Th411U7UN?p=1