TensorFlow中conv2d中padding方式解释

tf1.9版本以上的conv2d函数存在8个输入参数，但是前4个是各种版本中都一直存在的参数，他们是进行卷积计算的重要的输入参数。input为输入的tensor，filter为滤波器的尺寸，strides为滑动距离表示，padding为边缘的处理机制（'VALID'和‘SAME’）。

 本文着重介绍不同的padding方式，对输出的数据维度的影响。

常规的计算卷积的输入输出的维度变化的公式为：OUT = (IN-F+2*P)/S+1

VALID:边缘处理时，如果边缘不够一个kernel，会将其丢掉，计算公式为OUT=ceil((IN-F+1)/S)，向上取整

SAME:边缘处理时，会增加补0的操作，使边缘能满足一个kernel，计算公式为OUT=ceil(IN/S)，向上取整

比如下面的示例代码：

import tensorflow as tf

def conv2d_test():
    inp = tf.Variable(tf.random_norm