20 卷积层里的填充和步幅【动手学深度学习v2】

使用更大的卷积核可以更快地减小输出大小，在层数较大时，图像会变得过小。

解决方案1：填充

不填充的话边缘上用到的信息次数没有中间的多，填充后，可以增多边缘信息的读取次数。

下图展示了常用的填充列数和行数，基本思路是保持输出和输入数据形状不变。

解决方案2：步幅

步幅对输出形状的影响（调整步幅通常可以将数据成倍缩小）

卷积核大小、数据填充量、步幅等都是卷积层的超参数

总结：

代码实现

在所有侧边填充一个像素

import torch
from torch import nn


# 为了方便起见，我们定义了一个计算卷积层的函数。
# 此函数初始化卷积层权重，并对输入和输出提高和缩减相应的维数
def comp_conv2d(conv2d, X):
    # 这里的（1，1）表示批量大小和通道数都是1
    X = X.reshape((1, 1) + X.shape)
    #此步是将二维数据X（8,8）转化为四维数据X（1,1,8,8）
    Y = conv2d(X)
    # 省略前两个维度：批量大小和通道
    return Y.reshape(Y.shape[2:])

# 请注意，这里每边都填充了1行或1列，因此总共添加了2行或2列
conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1)
X = torch.rand(size=(8, 8))
comp_conv2d(conv2d, X).shape

输出结果

torch.Size([8, 8])

填充不同的高度和宽度，同时调整卷积核大小，使输入输出数据形状不变

conv2d = nn.Conv2d(1, 1, kernel_size=(5, 3), padding=(2, 1))
comp_conv2d(conv2d, X).shape

torch.Size([8, 8])

将高度和宽度步幅设为2（stride控制步幅）

conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1, stride=2)
comp_conv2d(conv2d, X).shape

torch.Size([4, 4])

一个稍微复杂的例子。

conv2d = nn.Conv2d(1, 1, kernel_size=(3, 5), padding=(0, 1), stride=(3, 4))
comp_conv2d(conv2d, X).shape

torch.Size([2, 2])

补充知识：

填充（上下边总填充量）一般取核边长-1

卷积步幅最好取1，一般取2，在计算量过大时取更大值

卷积核边长一般取奇数，因为padding=kernel-1，而padding是分在图片上下的，kernel为奇数，padding就可以对半分。