零填充（zero padding）和步幅（strides）會影響卷積的輸出尺寸。
若輸入尺寸為 256 × 256，卷積核大小為 4 × 4，填充為 1，步幅為 2，輸出尺寸是多少？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
卷積神經網路會從影像中所表徵的資料來學習。本章將帶你探查影像中的資料，並學習如何使用 Keras 訓練神經網路，將影像中出現的物體加以分類。
卷積是卷積神經網路的基本組成元件。本章將介紹卷積，並帶你了解它如何作用於影像資料。你也會看到如何把卷積納入 Keras 神經網路中。
當前練習
當卷積神經網路由多層堆疊（深度網路）構成時，能發揮更強的威力。本章將教你如何將多個卷積層堆疊成深度網路。你也會學到，隨著網路變大，如何追蹤並控制參數的數量。
有許多方法可以改進神經網路的訓練效果。本章將著重於如何追蹤網路的表現，並探索改進卷積神經網路的各種作法。
