本文主要是介绍卷积的步长计算公式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
- 输入图片尺寸： W*W。
- Filter（卷积核）尺寸：F*F。
- 步长 S（Stride）。
- padding（填充）的像素数P，P=1就相当于给图像填充后图像大小为W+1 *W+1
padding的方式通常有两种：Valid和Same，前者不对图像进行补零扩充，后者进行补零扩充。
- 输出图片的大小为N * N。
-------------------------------------------------------------------------------------------------------------------------------
tensorflow中
- valid方式，N=（W-F+1）/ S
- Same方式, N=W / S
- N结果取向上整
-------------------------------------------------------------------------------------------------------------------------------
例如：输入100x100分辨率的灰度图像
卷积核（11,11），步长（4,4）,padding:Valid
(100-11+1)/4=22.3
向上取整，N=23
卷积后图像大小23x23
padding：Same
N=100/4=25
卷积后图像：25x25
这篇关于卷积的步长计算公式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
