卷积操作中的 SAME padding 理解

最新推荐文章于 2025-03-28 17:57:59 发布
最新推荐文章于 2025-03-28 17:57:59 发布
阅读量1.2w 收藏 31
点赞数 16
文章标签： 卷积 SAME padding 值 补零
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/David_jiahuan/article/details/104722284
版权

 

公式：

 

个人理解：

如果卷积时，设置padding的属性值是 SAME ，则表示【输出层尺寸 = 输入层尺寸】，此时我们就可以根据上面的公式来反推出padding的值（也就是 P 的值）！

 

例子：

 

卷积神经网络CNN中padding：same／valid
weixin_41939940的博客
01-14 1169
卷积神经网络CNN中padding：same／valid记录问题padding介绍计算公式参考链接 记录问题 查阅了部分资料，记录了个人对于padding的一些理解，若有不对请指正。文末附上参考链接，非常感谢文章作者！ padding介绍 处理图像时，根据参数判定是否给图像周围加零，需要加的具体圈数视情况而定。 padding=“SAME”：剩余块不足卷积核大小时进行补零 padding=“VAL...
用pytorch实现tensorflow卷积中的SAME padding
weixin_43820848的博客
09-11 1949
class SamePad2d(nn.Module): """Mimics tensorflow's 'SAME' padding. """ def __init__(self, kernel_size, stride): super(SamePad2d, self).__init__() self.kernel_size = torch....
pytorch padding='same'
07-28
pytorch使用padding='same'，只需要from padding_same_conv import Conv2d
通俗理解LSTM
最新发布
tinstone的博客
03-28 4004
介绍LSTM主要组成及公式解析
TensorFlow中padding卷积的两种方式“SAME”和“VALID”
热门推荐
syyyy712的博客
05-10 6万+
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是5*5*3，过滤器是3*3*3，padding设置的值是SAME，所以我一开始预想的是...
关于padding=’same’/’valid’
兰钧的博客
09-09 9050
设成same会自动加padding，保证输出是同样的大小。 padding = same，是指输出图像要和输入一样，至于padding是多少，是推断出来的。 可以这样理解，输出就是输入/步长，其他的padding工作API会帮你做。 输出size = （输入size-kernel size-2P）/ stride +1 padding除不尽的时候，比如2p = 1, 那么就在一边加1，一...
PADDING=‘SAME’ or‘VALID’
qq_41044525的博客
10-24 1521
在使用Keras的时候会遇到这样的代码x = Conv2D(filters, kernel_size=5, strides=2, padding='same')(x)，与pytorch不同，keras和TensorFlow设置卷积层的过程中可以设置padding参数，vaild和same。“valid”代表只进行有效的卷积，对边界数据不处理。“same”代表保留边界处的卷积结果，通常会导致输出sh...
yolov3--16--一文详解卷积操作中的padding填充操作
天明宇朗的博客
10-28 6011
Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU) Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRT Yolov--3--TensorRT中yolov3性能优化加速（基于caffe） yolov-5-目标检测：YOLOv2算法原理详解 yolov--8--Tensorflow实现YOLO v3 yolov--9--Y...
【tensorflow学习】卷积和池化中padding的“SAME”方式理解
weixin_43975801的博客
02-21 1102
参考自： 参考博客 文中例子很详细，但是最后总结的公式错误。 用一维数据描述padding过程： 原数据：1 2 3 4 5 6 7 8 9 ... N 卷积核：|====| k |--|====| s 原数据长度为N。 卷积核范围用=号表示，长k。 步长用–表示，长s。 设padding=p,则新数据长度： M =1 + floor( (N+p...
基于pytorch padding=SAME的解决方式
09-17
首先，理解`padding='SAME'`的含义：在卷积操作中，如果设置`padding='SAME'`，那么卷积后的输出特征图的宽度（W_out）和高度（H_out）将与输入特征图的宽度（W_in）和高度（H_in）相同。为了达到这一目标，需要在...
卷积神经网络中的padding理解
牛丸4
07-23 4万+
首先看一下以下代码吧！ from keras.layers import Conv2D,Dense,Flatten from keras.models import Sequential model = Sequential() model.add(Conv2D(filters = 32,kernel_size = [3,3],strides = [1,1],padding = 'same...
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3476
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是553，过滤器是333，padding设置的值是SAME，所以我一开始预想的是输出557（有7个过...
深度学习之卷积神经网络中same padding 和 valid padding
zhf的博客
03-03 1640
卷积操作知识点 卷积操作使得图像边界信息丢失，即有些图像角落和边界的信息发挥作用较少，因此需要padding。 卷积核大小通常为奇数。这是为了 一方面是为了方便 same padding时对称填充，左右两边对称补零；另一方面，奇数过滤器有中心像素，便于确定过滤器的位置。 以单通道、一个卷积核为例进行卷积。当有5x5x1的图像，卷积核为3x3x1，步长为2时： a. 当使用 valid...
padding卷积的两种方式“SAME”和“VALID”
阿飞CVPR
05-14 1688
如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。
神经网络中padding的两种方式“SAME”和“VALID”
smiling614的博客
01-23 6126
1.padding=‘SAME‘         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动两步之后，VALID方式发现余下的窗口不到2×2所以直接将第三列舍弃，而SAME方式并不会把多出的一列丢弃，但是只有一列了就填充一列0 2.1.padding=‘VALID’         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动...
tf.nn.conv2d中padding=same规则介绍
theadore2017的博客
07-09 8990
转自：https://blog.csdn.net/zuoyouzouzou/article/details/101871895 文章来源：《深度学习之TensorFlow：入门、原理与进阶实战》 padding属性的意义是定义元素边框和元素内容之间的空间。 在tf.nn.conv2d函数中，当变量padding为VALID和SAME，函数具体是怎么计算的呢？其实是有公式的。为了方便演示，先定义几个变量： 输入的尺寸高和宽定义成：in_height，in_width 卷积核的高和宽定义成filter
当padding为“SAME” 和 “VALID”卷积层输出尺寸的大小的计算
穿拖鞋的都是大佬
10-15 3532
我们32323的图像，用553的卷积核在图像上滑过 计算如图所示（多通道图计算请自行脑补）： 卷积之后的尺寸大小计算公式为： 其中：输入图片大小 W×W Filter大小 F×F 步长strides S padding的像素数 P 输出大小为NxN 在实际操作时，我们还会碰到 padding的两种方式 “SAME” 和 “VALID”，padding = “SAME”时，会在图像的周围填 “0”，padding = “VALID”则不需要，即 P=0。一般会选“SAME”，以来减缓图像变小的速度，二
卷积操作中的same padding与valid padding
rauchy的博客
07-12 5107
  最近在研究卷积神经网络，很多卷积操作里头都会有padding这个选项，以keras中的Conv2D为例，padding操作有valid，same,casual等，我只讨论same和valid这两种模式，casual以后遇到再说。 假设模型的输入维度为n，kernel size为k，步长为s，输出维度为m。 same padding   当strides=1时，利用same padding操作，...
padding='SAME'和'VALID'的区别
sunny crazy
08-05 2万+
In this example: Input width = 13 Filter width = 6 Stride = 5 Notes: "VALID" only ever drops the right-most columns (or bottom-most rows). "SAME" tries to pad evenly left and right, but if the ...
卷积中的padding
01-10
### 卷积操作中的Padding #### Padding的作用 在卷积神经网络中，当执行卷积运算时，如果不对输入图像边缘进行处理，则每次经过一层卷积后，输出特征图尺寸会逐渐减小。为了保持空间维度不变或控制其减少的速度，在输入张量周围添加额外的边界像素即为填充（Padding）。这种做法可以防止信息丢失并有助于保留原始输入的空间分辨率[^1]。 对于某些特定的应用场景来说，维持输入大小是非常重要的；而对于其他情况而言，适当缩小尺度可能有利于提取高层次抽象特征。因此，合理设置Padding参数能够帮助设计者更好地调整模型架构以适应不同需求。 #### Padding的具体用法 通常情况下，有两种主要类型的Padding方式： - **Valid Padding**：不使用任何填充，默认情况下只计算完整的滑动窗口区域内的卷积结果，这意味着输出尺寸将会小于等于输入尺寸。 - **Same Padding**：通过对输入两侧均匀增加一定数量的零值来确保输出与输入具有相同的高度和宽度。具体数值取决于所选滤波器大小以及步幅等因素[^2]。 下面给出一段Python代码示例展示了如何利用TensorFlow框架定义带有Padding选项的二维卷积层： ```python import tensorflow as tf # 定义一个简单的卷积层，采用'same'模式下的padding conv_layer = tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), strides=(1, 1), padding='same', activation='relu') input_tensor = tf.random.normal([10, 28, 28, 1]) # 假设这是MNIST数据集的一个batch output_tensor = conv_layer(input_tensor) print("Input shape:", input_tensor.shape) print("Output shape with 'same' padding:", output_tensor.shape) ``` 这段程序创建了一个接受灰度图片作为输入的卷积层，并设置了`padding='same'`使得即使经历了卷积变换之后仍然能保持原有的高宽比例不变。
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值