卷积神经网络填充和步幅实战

卷积神经网络中填充和步幅的应用
在构建卷积神经网络(CNN)时，填充(padding)和步幅(stride)是控制卷积层输出尺寸的重要参数。这两个超参数不仅影响着最终输出的维度大小，还对模型性能有着潜在的影响。
填充的作用
填充是指在输入矩阵周围添加额外的零值像素，这样做的目的是为了让输出特征图保持与输入相同的宽度和高度，或者是为了增加边界信息的重要性。当设置padding='same'时，意味着希望经过该层后的空间维度不变；而如果设为valid则表示不做任何填充处理[^1]。
步幅的意义
步幅决定了滤波器每次移动多少个单位位置，默认情况下一般取1即逐像素扫描整个图片。较大的stride会加快过滤速度但可能导致丢失细节信息，因此需谨慎调整此参数以平衡效率与精度之间的关系[^2]。
下面给出一段简单的Python代码示例来展示如何利用PyTorch库实现带有自定义paddding和stride配置的二维卷积操作：
import torch.nn as nn

class CNNModel(nn.Module):
def __init__(self, in_channels=3, out_channels=16, kernel_size=(5, 5), stride=1, padding=0):
super().__init__()

self.conv_layer = nn.Conv2d(
in_channels=in_channels,
out_channels=out_channels,
kernel_size=kernel_size,
stride=stride,
padding=padding
)

def forward(self, x):
output = self.conv_layer(x)
return output

# 创建实例并测试前向传播过程
model = CNNModel(in_channels=3, out_channels=16, kernel_size=(5, 5), stride=2, padding=1)

input_tensor = torch.randn((1, 3, 100, 100)) # 输入张量模拟RGB彩色图像
output_tensor = model(input_tensor)

print(f"Input shape: {tuple(input_tensor.shape)[2:]}, Output shape after conv layer with stride={2} and padding={1}: "
f"{tuple(output_tensor.shape)[2:]}")

这段程序创建了一个小型的CNN模块，在初始化过程中指定了具体的in_channels(输入通道数)，out_channels(输出通道数)，以及kernel_size(内核大小)、stride(步长) 和 padding(填充值) 参数。最后打印出了给定条件下输入与输出的空间维数变化情况[^4]。