原文链接:
https://blog.csdn.net/jasonzzj/article/details/53930074
http://blog.sina.com.cn/s/blog_53dd83fd0102x356.html
定义:
Padding在卷积(convolution)和池化(pooling)中都会被用到。在tensorflow比如tf.nn.conv2d,tf.nn.max_pool都有这参数
Valid: 用过滤器在输入的矩阵中按步长移动时候,会把最后的不足部分的列和行抛弃;
Same: 先在输入矩阵上下各加个值为0的行,在左右各加个个值为0的列,也就是用0把原先的矩阵包裹一层,然后在移动的时候如果输入矩阵的列或者行长度不够,就用0来补齐
例子
看例子比较实际:
以一维向量做例子
输入(input)长度:13
过滤器(Filter)长度:6
步长(Stride)长度:5
"VALID"
= 不会增加padding:
inputs: 1 2 3 4 5 6 7 8 9 10 11 (12 13)
|_____________| (抛弃不要)
|______________|
"SAME"
= 会用0来做padding (如果步长是1的话,最终输出和输入一样大小):
pad| |Pad
inputs: 0| 1 2 3 4 5 6 7 8 9 10 11 12 13 |0 0
|_____________|
|______________|
|_______________|
Notes:
"VALID"
会但只会抛弃最右边的列或者是最下面的行."SAME"
水平方向首先会在左右各加一个零,如果最后不够的话,会在右边再加零补齐,以满足最后一次完整的移动。对于垂直方向也是同理。
最终输出的行列数计算方法
SAME:
-
out_height = ceil(float(in_height) / float(strides[1]))
out_width = ceil(float(in_width) / float(strides[2]))
VALID:
-
out_height = ceil(float(in_height - filter_height + 1) / float(strides1))
out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))