动手学深度学习V2.0(Pytorch)——20. 卷积层里的填充和步幅

P1 填充和步幅

https://www.bilibili.com/video/BV1Th411U7UN

先讲卷积层里控制输出大小的两个超参数，填充和步幅。

1.1 填充

• 首先考虑为什么要有填充这个东西
• 比如给定一个32*32的输入图像（FashionMNIST数据集的图像都是这个大小），对这个图像使用5*5的卷积核。
  • 那么第一层（也就是第一次卷积）得到输出大小就是32-5+1=28
  • 所以就是每次减去4，那么连续七次卷积（每次在上一次基础上），就是32-4*7=32-28=4
• 用更大的卷积核则可以更快的减小输出大小
  • 输入的形状 n h ×