padding

Convolution Arithmetic

为了简化情况，假设输入(input)、特征块(kernel)、补零(padding)以及步长(strides)在不同轴上的长度均相等，分别为i、k、p、s。

---

No zero padding, unit strides

o=i−k+1,其中s=1,p=0

---

Zero padding, unit strides

o=i−k+2p+1,其中s=1

Half (same) padding

在这里输入与输出的大小一样，这是一个期望的特性

o=i−k+2p+1=i,其中s=1,k=2n+1，p=⌊k/2⌋

Full padding

当需要输出比输入更大时

o=i−k+2p+1=i+k−1,其中s=1，p=k−1

---

No zero padding, non-unit strides

o=⌊i−ks⌋+1,其中p=0

---

Zero padding, non-unit strides

o=⌊i+2p−ks⌋+1,其中p=0

---

参考资料

1. Vincent Dumoulin ， Francesco Visin， A guide to convolution arithmetic for deep learning， 2016-3-24.