Tensorflow中的两种padding方式

Tensorflow中的两种padding方式

tensorflow中进行卷积以及池化操作时会用到padding参数，在tensorflow中有两种方式分别为‘SAME’和‘VALID’。
先不考虑padding方式，输出尺寸计算公式为：
O = ((I - K + P) / S) + 1 （结果可能不是整数，padding参数的作用就是防止结果为非整数）
其中O为输出尺寸，I为输入尺寸，K为kernel尺寸，P为padding的尺寸（padding方式是用来控制P的大小），S为stride尺寸。

VALID方式

此种设置下，P的尺寸为0，经过公式计算后，如果O为非整数，卷积操作将会依次从输入左上角开始进行直至超出输入边界。
即：
O = floor(((I - K + 0) / S) + 1)

SAME方式

VALID比较容易理解，那么SAME的padding方式是怎么确定上下左右边界的尺寸？
首先O的尺寸有另外的计算方式：
O = ceil(I / S)
然后根据O反推出P的大小。
beg_P = P // 2
end_P = P - beg_P
其中beg_P对应左，上，end_P对应右，下。
经过padding后同样满足公式：O = floor(((I - K + 0) / S) + 1)

后记

本文纯属查阅资料以及代码测试后的推测，也许存在错误，望不吝赐教。

参考：
https://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t
https://github.com/pjreddie/darknet/issues/950