视频元信息
- 课程：吴恩达深度学习专项课程（Deep Learning Specialization）
- 章节：卷积神经网络（CNN）第一周 1.5 卷积步长
- 时长：约 9 分钟
内容摘要（TL;DR）
本节讲解卷积运算中的步长（Stride）概念：将卷积核每次滑动的距离从 1 改为 S，从而压缩输出尺寸。给出通用的输出维度公式 ⌊(N + 2P − F) / S⌋ + 1，并说明当除不尽时采用向下取整的原因。最后澄清深度学习中的"卷积"实为互相关（Cross-correlation），省略了数学定义中的核翻转步骤。
一、什么是步长（Stride） [00:31]
基础概念
卷积运算中，卷积核（filter，也叫 kernel）在输入图像上滑动。步长 S 定义了每次滑动的格子数。
- 当 S = 1 时，卷积核每次向右/向下移动 1 格，这是最常用的默认设置。
- 当 S = 2 时，卷积核每次跳过 1 格，直接移动 2 格。
理解：步长本质上是"下采样"的一种手段，它让输出特征图变小，从而减少后续计算量。
实例演示（7×7 输入，3×3 卷积核，S=2）
视频中逐步演示了 S=2 时的卷积过程：
- 卷积核左上角起始于 (0,0)，做逐元素乘加，得到输出值 91。
- 滑动 2 格，左上角跳到 (0,2)，再算得 100。
- 再滑 2 格，左上角到 (0,4)，算得 83。
- 第一行结束时，卷积核已无法再完整放入，第一行输出结束。
- 向下移动 2 行，重复上述过程，得到第二行：69、91、127。
- 最后一行：44、72、74。
最终输出为一个 3×3 矩阵（而非 S=1 时的 5×5）。
易错点： 当卷积核滑动到边缘时，如果剩余空间不足以容纳完整的卷积核，就直接停止，不做这次计算。这正是输出尺寸"向下取整"的物理原因。
二、输出维度公式 [01:49]
通用公式
对于 N×N 的输入图像，使用 F×F 的卷积核，填充 P，步长 S，则输出尺寸为：
⌊(N + 2P − F) / S⌋ + 1
其中 ⌊·⌋ 表示向下取整（floor）。
公式推导
推导：
- 加填充后，输入有效尺寸为 N + 2P（每边各加 P 个像素）。
- 卷积核需要占据 F 个格子，因此可用的"起始位置"总跨度为 (N + 2P − F)。
- 每次移动 S 格，能放置的起始位置数量为 (N + 2P − F) / S，再加 1（因为起点本身算一个位置）。
- 若除不尽，说明最后剩余空间不足一个完整卷积核，故向下取整。
实例验证
视频中的例子：N=7，P=0，F=3，S=2
- (7 + 0 − 3) / 2 = 4 / 2 = 2
- 2 + 1 = 3，输出为 3×3 ✓
思考：如果希望输出尺寸为整数，可以精心选择 P、S、F 的搭配。例如在保持尺寸不变时，常用 "same padding" 配合 S=1。
考点： 输出维度公式是 CNN 计算题的高频考点，务必牢记并会代入计算。特别注意：
- P 是单边填充量，公式中要乘 2。
- 除不尽时向下取整，不是四舍五入。
- 当 S=1 且 P=(F−1)/2 时，输出尺寸与输入相同（same convolution）。
三、向下取整的实现原理 [03:12]
实现约定
视频解释了为什么公式要向下取整：
- 实现卷积时，只有当卷积核完全包含在图像（或填充后的图像）内部时，才执行这次乘加运算。
- 如果卷积核有任何一部分"悬"在图像外，就跳过这次计算，不产生对应输出。
理解：这个约定保证了所有输出值都由完整的卷积核计算得出，避免边缘处出现不完整的、语义不一致的特征。
建议
吴恩达建议学习者自己用几组不同的 N、F、P、S 值手动推演，验证公式的正确性。这是巩固理解的好方法。
四、互相关 vs 卷积（技术澄清） [04:41]
数学教材中的卷积定义
在典型的数学或信号处理教材中，卷积在逐元素乘加之前，还有一个额外步骤：
- 将卷积核沿水平轴和垂直轴同时翻转（相当于旋转 180°）。
- 用翻转后的核去做滑动乘加。
例如，3×3 的核翻转后，原本的位置会镜像对调。
深度学习的惯例
- 深度学习文献中，通常省略这个翻转操作。
- 因此严格来说，深度学习中所说的"卷积"其实是互相关（cross-correlation）。
- 但整个领域约定俗成地称之为"卷积运算"（convolution operator）。
为什么可以省略翻转？
拓展：
- 在信号处理中，保留翻转使卷积满足结合律：A ∗ (B ∗ C) = (A ∗ B) ∗ C，这对滤波等应用很重要。
- 但在神经网络中，卷积核的参数是学习得到的。无论是否翻转，网络都能通过训练学到合适的权重，表达能力不受影响。
- 省略翻转还能简化代码实现，所以业界统一采用不翻转的版本。
易错点： 阅读不同教材时要注意术语差异——
- 数学/信号处理教材的"卷积"= 翻转 + 滑动乘加
- 深度学习教材的"卷积"= 直接滑动乘加（即互相关）
- 这个差异不影响 CNN 的编程实现和理解。
五、本节小结与展望 [08:37]
本节要点回顾
- 步长 S 控制卷积核滑动距离，S 越大输出越小。
- 输出维度公式：⌊(N + 2P − F) / S⌋ + 1。
- 除不尽时向下取整，因为卷积核必须完整落在图像内。
- 深度学习中的"卷积"实为互相关，省略了核翻转。
下一节预告
目前讨论的都是矩阵上的卷积（如 6×6 矩阵）。下一节将介绍在体积（volume）上的卷积，即处理多通道（如 RGB 三通道）输入，这将使卷积的能力大大增强。
关键标签 / 关键词
卷积步长 #Stride #CNN #卷积神经网络 #输出维度公式 #向下取整 #互相关 #CrossCorrelation #卷积翻转 #吴恩达深度学习 #填充Padding #卷积核 #Filter #Kernel #深度学习基础
生成时间：2026-10-10 22:47:40 生成平台：VideoNote www.xygy.top
