卷积核的移动和padding的属性

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014772246/article/details/85524361

1 卷积核的移动

一般把滑动步长叫做stride，边界填充叫做pading。
输入特征图的高为h_in，宽为w_in，输出特诊图的高为h_out，宽为w_out，卷积核的高为h_filter，宽为w_filter。
那么输出特征图的高和宽为：
h_out=((h_in-h_filter+2pading)/stride)+1
w_out=((w_in-w_filter+2pading)/stride)+1

2 tf.nn.conv2d，tf.nn.max_pool中的padding参数

2.1 Valid

卷积核在输入特征图中按步长移动时候，会把右边或者下边最后的不足部分的列和行抛弃。
那么输出特征图的高和宽为：
h_out=ceil((h_in-h_filter+1)/strides)
w_out=ceil((w_in-w_filter+1)/strides)

2.2 Same

先在输入特征图上下左右各加个值为0的行和列，即用0把原先的特征图包裹一圈，然后在卷积核移动的时候如果输入特征图的列或者行长度不够，就用0来补齐，只在输入特征图的右边和下边补0。
那么输出特征图的高和宽为：
h_out=ceil(h_in/strides)
w_out=ceil(w_in/strides)