关于tensorflow.conv2d卷积函数中参数padding的理解

padding的参数可以选择“VALID”或者“SAME”

 输入一个宽度W*W的矩阵，卷积核大小为F*F,步长为S

第一种情况：padding="VALID",矩阵边缘不补零，此时可能丢弃最后一列或几列，最后一行或几行这适你定义的卷积核和步长而定。经卷积核后输出矩阵大小为

(向上取整)

第二种情况：padding="SAME",矩阵边缘补零（补零不破坏原来图像像素），tensorflow会自动补上零，不必你自己定义，经卷积核后输出矩阵大小为

out=W/S(向上取整)

假设现在输入一个宽度W:的矩阵，卷积核大小为F:,步长S:4，输出的矩阵大小为

当padding='VALID',out=(227-11+1)/4=55,所以输出矩阵的大小为55*55

当padding="SAME",out=227/4=57，所以输出矩阵的大小为57*57