卷积神经网络的卷积核（kernel）、输入尺寸（input）、步长（stride）、填充（padding）关系

基本意义 卷积核（kernel）：用于对输入图像进行共享权值的遍历；如果将图像每一个图像的每一个像素作为卷积输入层的元素，那么卷积核就相当与每个输入的权值，且有卷积核大小的一组输入使用同一组权值。例如，一个图像是99大小，卷积核是33；则输入是81个，共享权值是9个一组。 步长（stride）：卷积核是在图片上移动后遍历每一个像素，每次移动的大小就是步长stride 填充（padding）：是为了

>>阅读原文<<