Keras 当从高层架构实现cnn时，如何确定每层的步幅和填充类型？

我正试图建立一个cnn的基础上提出的架构。模型图仅指定过滤器和内核大小，而不指定跨步和填充。这是我第一次从零开始构建cnn，所以我不确定我是选择这些值还是有任何规则

---

我在github上找到了一些相同cnn的版本，它们在每一层使用了相同的步幅值和填充类型，但这些值在文章中没有出现。任何帮助都将不胜感激，谢谢

您可以用以下方式来考虑步幅：

最小跨距（1）导致源图像与滤波器的最大卷积次数，并且在较大滤波器的情况下，大量视觉信息被配音，因为相同像素与不同滤波器卷积多次。 步幅越大，源图像的缩放效果越强（如果步幅大于过滤器内核，则会导致视觉信息丢失）

填充只决定如何处理源图像的边缘。如果边可能包含一些特征，那么添加零填充（小于过滤器内核）是合理的

因此，您应该调整这两个参数（但主要是步幅），以确定conv net在每一层的学习参数的最佳数量。我认为，通常情况下，在顶层使用较大的步幅（较少的学习参数和缩小范围），在最后一层使用较小的步幅是一个不错的尝试