有两种方法可以采取：

• 仅使用有效索引。矩阵 C 将小于矩阵 I，在您的示例中，它将是一个 7x7 矩阵（9 - 3 + 1 = 7）。您可能会在神经网络库中将其视为使用“有效”边界的卷积。

• 对矩阵 I 中的越界索引使用合成值（通常仅为 0）来计算 C。这会产生与输入相同大小的输出，因此一些神经网络库会用“相同”的边界来说明这一点。

您的公式表明正在使用“相同”边界*，因为从偏移角开始使用矩阵 C 是不寻常的。如果您确实使用“相同”边界，那么将输入图像数据像素归一化为 0 是很重要的，否则合成边界将显示为内核的强边缘。

如果您正在开发自己的 CNN 代码，我建议使用“有效”边框模式，因为它更简单，也是更常见的方法。它适用于图像分类任务。

*实际上我认为您发布的公式过于简单甚至是错误的。我希望看到这个词$I(x+a,y+b)$以便 C 的左上角索引保持为 (1,1) 以获得“有效”边界。对于“相同”的边界，我希望看到一个居中的内核。