nn.conv2d中的参数SAME和VALID

原文链接：

https://blog.csdn.net/jasonzzj/article/details/53930074

http://blog.sina.com.cn/s/blog_53dd83fd0102x356.html

 

 

定义： 

Padding在卷积(convolution)和池化(pooling)中都会被用到。在tensorflow比如tf.nn.conv2d，tf.nn.max_pool都有这参数

 

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；

Same: 先在输入矩阵上下各加个值为0的行，在左右各加个个值为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

 

例子

看例子比较实际：
            以一维向量做例子

            输入(input)长度：13

            过滤器(Filter)长度：6

            步长(Stride)长度：5

 

 "VALID" = 不会增加padding:

   inputs: 1  2  3  4  5  6  7  8  9  10 11 (12 13)

               |_____________|                        (抛弃不要)

                                    |______________|

 

"SAME" = 会用0来做padding (如果步长是1的话，最终输出和输入一样大小):

           pad|                                                         |Pad

   inputs: 0|  1  2  3  4  5  6  7  8  9  10 11 12 13 |0  0

               |_____________|                   

                                    |______________|

                                                          |_______________|

Notes:

• "VALID" 会但只会抛弃最右边的列或者是最下面的行.
• "SAME" 水平方向首先会在左右各加一个零，如果最后不够的话，会在右边再加零补齐，以满足最后一次完整的移动。对于垂直方向也是同理。

 

最终输出的行列数计算方法

SAME:

• out_height = ceil(float(in_height) / float(strides[1]))

  out_width = ceil(float(in_width) / float(strides[2]))

VALID:

• out_height = ceil(float(in_height - filter_height + 1) / float(strides1))

  out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))