步长为2的卷积 VS 步长为1的卷积 + 间隔删除（美颜BeautyGAN）_卷积层步长为1和为2的区别

用以前的代码并不能实现 python、Tensorflow 同样的效果。

MatConvNet 和 Tensorflow 中的卷积，在步长为2时，并且图像长宽是偶数时，并不完全相同

比如步长为1的一个卷积结果是这样的：

[[ 2.  0.  2.  4.]
 [ 1.  4.  4.  3.]
 [ 4.  3.  5.  9.]
 [ 3.  4.  6.  2.]]

步长为2的一个卷积结果可以是：

[[ 2.   .  2.   .]
 [  .   .   .   .]
 [ 4.   .  5.   .]
 [  .   .   .   .]]

由于跳步的位置不同也可以是：

[[  .   .   .   .]
 [  .  4.   .  3.]
 [  .   .   .   .]
 [  .  4.   .  2.]]

这两个结果显然是不同的。

由于我的卷积代码是从 MatConvNet 中抄来的，所以这里用

<步长为1的卷积 + 间隔删除> 来代替 <步长为2的卷积>

2步长卷积：

	/*2步长卷积*/
	wid=wid/2;hei=hei/2;
	if(ConvX->输出维度 != 目标->depth || 目标->width != wid || 目标->height != hei)
		Resize卷积层(*目标,wid,hei,ConvX->输出维度);
	pad=ConvX->核宽/2;
	vl_nnconv(源,目标,ConvX ,2,2,pad,pad,pad,p