深度学习之padding

注：借鉴整理，仅供自学，侵删

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。Valid卷积意味着不填充
如果你有一个n×n的图像，用一个f×f的过滤器卷积，它将会给你一个(n-f+1)×(n-f+1)维的输出。这类似于我们在前面的视频中展示的例子，有一个6×6的图像，通过一个3×3的过滤器，得到一个4×4的输出。

Same：先在输入矩阵上下各加个值为0的行，在左右各加个值为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。Same卷积意味填充后，输出大小和输入大小是一样的