卷积的三种模式：full, same, valid

---

前言

卷积神经网络是模式识别分类常用的网络结构之一，在大规模的图像识别等方面有着很大的优势。

一、full卷积

• full卷积式典型的上采样卷积，其特点式卷积核可以超出特征图的范围，但是卷积核的边缘要与特征图的边缘有交点。这种卷积将如图的2×2的特征图，在经过尺寸为3×3、步长为1的卷积核卷积后，变成了4×4的特征图。其输出特征维度的计算满足式(1)。
  其中， Skernel 代表卷积核的步长， Dkernel 代表卷积核的维度， Padding 代表扩充值的维度。
  

二、same卷积

• same卷积是介于full卷积和valid卷积之间的一种卷积方式，其特点是卷积前后特征图的尺寸不变。由于same卷积的特点，其Padding值是固定设置的，计算式可通过式(1)推导出来。
  
  

三、valid卷积

• valid卷积是最常用的下采样卷积，其特点是卷积核不能超出特征图的范围。如图，在卷积核为3×3且步长为1，且不会在周边增加扩充值的情况下，一个5×5的特征图经过卷积后，变成了3×3的尺寸大小。
• 输出的特征图维度计算式为：式（1）