这里以一个实例介绍一下卷积层的后向传播, 当stride 等于2的情况下，求输入，权重和偏置的梯度。假设输入的特征图X是4x4的矩阵，卷积核W是2x2大小, 考虑“valid”的卷积，则输出特征图Y为2x2的矩阵 ：
输出Y的表达式可以表示为：
假设代价函数对输出Y的梯度为, , 其为2X2的矩阵，如下：
然后分别来看输入，权重和偏置的梯度的求解过程。
输入的梯度
从Y的表达式求X的偏导：
用矩阵可以表示如下：
简单的可以表示如下：
前向stride等于2， 反向计算的时候，需要对
加internal padding, 这个是与stride等于1的时候是非常不一样的。
权重的梯度
从Y的表达式求W的偏导, 可以得到：
用矩阵可以表示如下：
简单的可以表示如下：
可见前向stride等于2， 反向计算的时候，与前向stride等于1的时候是不一样的，计算
的时候， 是做dilation convolution,而不是普通的convolution.
偏置的梯度
从Y的表达式求b的偏导, 可以得到：
简单的可以表示如下：
偏置的梯度的计算和stride等于1的时候是一样的。
