CNN 的stride
stride:是filter 滑動圖像的步長
例如：
stride = 1 ，對於一個7 * 7 的灰白圖片，通過一個3 * 3 大小的filter，輸出下一個圖片的大小爲5 * 5 （如何計算呢？公式呢？）
（W-F+2P/S) + 1 = (7 - 3 + 0)/1 + 1 = 5
stride = 2 ，對於一個7 * 7 的灰白圖片，通過一個3 * 3 大小的filter，輸出下一個圖片的大小爲3 * 3 （如何計算呢？公式呢？）
（W-F+2P/S) + 1 = (7 - 3 + 0)/2 + 1 = 3
CNN 的zero padding
CNN 中什麼需要zero-padding？通過圖中我們發現stride = 3 的時候，計算的結果是小數，如何解決呢？方案：使用zero padding 進行處理。
補零公式爲：（F-1）/2
summarize,the Conv Layers
更多細節請關注(有任何疑問，與我聯繫。QQ: 1121025745)
人工智能-深度學習框架-Pytorch案例實戰視頻課程
https://edu.csdn.net/course/detail/25802
或者
https://edu.51cto.com/sd/4ee40
主要目錄
01 課程整體內容介紹
02 初步認識CNN和數學公式複習
03 CNN 卷積層概念
04 CNN 中的stride和zero-padding使用方法
05 CNN 特徵圖計算
06 CNN PoolLayers和FC&訓練過程演示
07 CNN 網絡發展歷史
08 圖形化方式介紹CNN圖像應用
09 圖形化方式介紹FC和CNN區別以及CNN概念
10 keras實現CNN網絡
11 CNN在語音和文本應用介紹
12 項目實戰-圖像分類實戰大概介紹
14 項目實戰-導入圖像庫以及數據探索
15 項目實戰-數據預處理
16 項目實戰-pytorch數據加載和可視化
17 項目實戰-RGB三通道數據可視化
18 項目實戰-fine-tuning網絡加載和網絡調整
19 項目實戰-模型訓練功能
20 項目實戰-模型驗證功能
21 項目實戰-分類混淆矩陣效果評估
22 項目實戰-數據預測可視化&GPU效果
23 項目實戰-CPU環境訓練過程&tensorboardx可視化
24 項目實戰-GPU環境訓練過程&在線服務預測