如何处理 conv-nets conv/pool 中的边界？
How to handle boundaries in conv/pool of conv-nets?
当卷积核大小为4，步长为4时，同时输入大小仅为10，尝试在输入边界上进行第三次卷积运算时会失败，因此，输入隐含地用零填充边界以避免这个问题？用其他实数填充会有问题吗？是否等于自动增加输入大小？
此外，如果我希望获得相同大小的输出特征图，通常可以使用3的kernel size和1的pad size，但是当kernel size为奇数时，如何确定每个pad size输入端？
是的，输入必须用零填充以克服输入图像尺寸小的问题。要计算每个级别的输出特征图，请使用以下公式：
H_out = ( H_in + 2 x Padding_Height - Kernel_Height ) / Stride_Height + 1
W_out = (W_in + 2 x Padding_Width - Kernel_Width) / Stride_Width + 1
你可以按照上面的公式保留padding。
当卷积核大小为4，步长为4时，同时输入大小仅为10，尝试在输入边界上进行第三次卷积运算时会失败，因此，输入隐含地用零填充边界以避免这个问题？用其他实数填充会有问题吗？是否等于自动增加输入大小？
此外，如果我希望获得相同大小的输出特征图，通常可以使用3的kernel size和1的pad size，但是当kernel size为奇数时，如何确定每个pad size输入端？
是的，输入必须用零填充以克服输入图像尺寸小的问题。要计算每个级别的输出特征图，请使用以下公式：
H_out = ( H_in + 2 x Padding_Height - Kernel_Height ) / Stride_Height + 1
W_out = (W_in + 2 x Padding_Width - Kernel_Width) / Stride_Width + 1
你可以按照上面的公式保留padding。