卷积神经网络（CNN）-Padding介绍
在卷积过程中，输出特征图的大小由输入特征图的大小、内核的大小和步幅决定。如果我们简单地在输入特征图上应用内核，那么输出特征图将小于输入。这可能会导致输入特征图边界处的信息丢失。为了保留边框信息，我们使用padding。
什么是填充
Padding是一种技术，用于在对特征图进行卷积操作后保留输入图像的空间维度。Padding 涉及在卷积之前在输入特征图的边界周围添加额外的像素。
可以通过两种方式完成：
- Valid Padding：在有效 padding 中，输入特征图没有添加 padding，并且输出特征图小于输入特征图。当我们想要减小特征图的空间维度时，这很有用。
- Same Padding：在相同的 padding：在相同的 padding 中，将 padding 添加到输入特征图中，使得输出特征图的大小与输入特征图的大小相同。当我们想要保留特征图的空间维度时，这很有用。
要添加的像素数可以根据内核的大小和特征图大小的所需输出来计算。最常见的填充值是零填充，它涉及向输入特征图的边界添加零。
Padding 有助于减少输入特