人工智能-Pytorch案例实战（2）-CNN 的stride和zero-padding

CNN 的stride

stride:是filter 滑动图像的步长
例如：
stride = 1 ，对于一个7 * 7 的灰白图片，通过一个3 * 3 大小的filter，输出下一个图片的大小为5 * 5 （如何计算呢？公式呢？）

（W-F+2P/S) + 1 = (7 - 3 + 0)/1 + 1 = 5
stride = 2 ，对于一个7 * 7 的灰白图片，通过一个3 * 3 大小的filter，输出下一个图片的大小为3 * 3 （如何计算呢？公式呢？）

（W-F+2P/S) + 1 = (7 - 3 + 0)/2 + 1 = 3

CNN 的zero padding

CNN 中什么需要zero-padding？通过图中我们发现stride = 3 的时候，计算的结果是小数，如何解决呢？方案：使用zero padding 进行处理。

补零公式为：（F-1）/2

summarize,the Conv Layers

 
人工智能-深度学习框架-Pytorch案例实战视频课程

 
​​​https://edu.51cto.com/sd/4ee40​​

主要目录
01 课程整体内容介绍
02 初步认识CNN和数学公式复习
03 CNN 卷积层概念
04 CNN 中的stride和zero-padding使用方法
05 CNN 特征图计算
06 CNN PoolLayers和FC&训练过程演示
07 CNN 网络发展历史
08 图形化方式介绍CNN图像应用
09 图形化方式介绍FC和CNN区别以及CNN概念
10 keras实现CNN网络
11 CNN在语音和文本应用介绍
12 项目实战-图像分类实战大概介绍
14 项目实战-导入图像库以及数据探索
15 项目实战-数据预处理
16 项目实战-pytorch数据加载和可视化
17 项目实战-RGB三通道数据可视化
18 项目实战-fine-tuning网络加载和网络调整
19 项目实战-模型训练功能
20 项目实战-模型验证功能
21 项目实战-分类混淆矩阵效果评估
22 项目实战-数据预测可视化&GPU效果
23 项目实战-CPU环境训练过程&tensorboardx可视化
24 项目实战-GPU环境训练过程&在线服务预测