tensorflow中卷积方式SAME和VALID特征图大小计算

卷积方式SAME后特征图大小计算

卷积方式： SAME（卷积后的特征图大小跟卷积核大小无关，只跟卷积所用的步长有关，当卷积步长是1时，卷积前后特征图大小保持不变）
输入特征图大小：W×H
卷积核大小： k×k
卷积步长： s×s
输出特征图大小： W1×H1

W1 = math.ceil(W / s)
H1 = math.ceil(H / s)

其中math.ceil()是向上取整

卷积方式是SAME时，会根据卷积核大小，按需在图像上扩充padding，即在宽度或高度方向上补充若干个0，保证图像上的当前点处于卷积中心。
如果补充的padding个数为偶数会在两侧补充相同个数个0,如果padding为奇数2n+1,会在左侧补n个0,右侧补n+1个0
--------------------------------------------------------------------------------

卷积方式VALID后特征图大小计算

卷积方式： VALID（根据图片实际大小执行卷积，不对图像边界填充，一般卷积后特征图变小）
输入特征图大小：W×H
卷积核大小： k×k
卷积步长： s×s
输出特征图大小： W1×H1

W1 = math.ceil((W-k+1)) / s
H1 = math.ceil((H-k+1)) / s
---------------------

作者：-牧野-
来源：CSDN
原文：https://blog.csdn.net/dcrmg/article/details/82317096
版权声明：本文为博主原创文章，转载请附上博文链接！