padding是增加图片各个边的pixels的数量,具体增加的数量由filter的尺寸和stride大小共同决定。padding的上限是维持feature map大小和原图大小一致。目的是保持feature map不要太小。
padding的意义:
1)为了不丢弃原图信息
2)为了保持feature map大小与原图一致
3)为了让更深层的layer的input依旧保持足够大的信息量
4)为了实现上述目的,且不做多余的事情,padding出来的pixel的值均为0,不存在噪音问题。
相关计算方法:
计算feature map 长与宽的公式 =
n 原图片(input)长与宽,p为padding,f是filter的长与宽, s是stride值;
补充资料:
convolution op有两种type:有padding=SAME,无padding=VALID。
1)“valid”表示不适用填充(只使用有效窗口位置);
2)“same”表示填充后输出的宽度和高度与输入相同。
padding参数的默认值为“valid”。
两种type和成新图长宽计算方法:
1)如何计算无padding新和成图的