卷积操作中的padding和strides

Padding和Striding都是深度神经网络里的常规操作，所以要记住它两的作用和概念。

padding的作用就是填充，然后把边缘的值也能卷积操作的中心。有什么用呢？总之有些区别，特别是对边缘有敏感性的特征。

一、卷积示意图

这个就是卷积，输入是55，输出是33

二、padding示意图

这个就是zero padding，padding的作用是使输入输出维度大小相同。zero的意思是用o代替fake区域的值，跟伸出去几个方格没关系，这里是33的卷积，所以伸出一个方格，如果是55的卷积，就会伸出2个，关键是要使卷积操作的中心跟边界对齐。

三、Striding示意图

striding操作一般用在pooling layer，也就是池化。操作的过程就是迈过一大步，而不是每个卷积都计算：


For the sake of brevity, when the padding number on both sides of the input height and width are ph and pw respectively, we call the padding (ph,pw). Specifically, when ph=pw=p, the padding is p. When the strides on the height and width are sh and sw, respectively, we call the stride (sh,sw).