2. 填充和步幅
在1.1小节的示例中,使用高和宽为3的输入与高和宽为2的卷积核得到高和宽为2的输出。
一般来说,假设输入形状是 n h × n w n_h\times n_w nh×nw,卷积核窗口形状是 k h × k w k_h\times k_w kh×kw,那么有输出形状为:
( n h − k h + 1 ) × ( n w − k w + 1 ) (n_h-k_h+1) \times (n_w-k_w+1) (nh−kh+1)×(nw−kw+1)
由此可见,卷积层的输出形状由输入形状和卷积核窗口形状决定。
本节将介绍卷积层的两个超参数:填充(padding)和步幅(stride),可以对给定形状的输入和卷积核改变输出形状。
2.1 padding
2.1.1 概念
填充(padding)是指在输入高和宽的两侧填充元素(通常是0元素)。
如下图所示,在原输入高和宽的两侧分别添加了值为0的元素,使得输入高和宽从3变成了5,从而使得输出高和宽由2增加到4。
图中的阴影部分,为第一个输出元素及其计算所使用的输入和核数组元素:
0
×
0
+
0
×
1
+
0
×
2
+
0
×
3
=
0
0\times0+0\times1+0\times2+0\times3=0
0×0+0×1+0×2+0×3=0
一般来说,若在高的两侧一共填充 p h p_h ph行,在宽的两侧一共填充 p w p_w pw列,那么有输出形状为:
( n h − k h + p h + 1 ) × ( n w − k w + p w + 1 ) , (n_h-k_h+p_h+1)\times(n_w-k_w+p_w+1), (nh−kh+ph+1)×(nw−kw+pw+1),
即,输出的高和宽会分别增加 p h p_h ph和 p w p_w pw。
在很多情况下,会设置 p h = k h − 1 p_h=k_h-1 ph=kh−1和 p w = k w − 1 p_w=k_w-1 pw=kw−1来使输入和输出具有相同的高和宽,从而方便在构造网络时推测每个层的输出形状。
若
k
h
k_h
kh为奇数,会在高的两侧分别填充
p
h
/
2
p_h/2
ph/2行;
若
k
h
k_h
kh为偶数,一种可能是在输入的顶端一侧填充
⌈
p
h
/
2
⌉
\lceil p_h/2\rceil
⌈ph/2⌉行(上入整数),而在底端一侧填充
⌊
p
h
/
2
⌋
\lfloor p_h/2\rfloor
⌊ph/2⌋行(下舍整数)。
在宽的两侧填充同理。
卷积神经网络经常使用奇数高宽的卷积核,如1、3、5和7,因此两端上的填充个数相等。
2.1.2 代码示例
import tensorflow as tf
print(tf.__version__)
2.0.0
对任意的二维数组X
,设它的第i
行第j
列的元素为X[i,j]
。
当两端上的填充个数相等,并使输入和输出具有相同的高和宽时,可知输出Y[i,j]
是由输入以X[i,j]
为中心的窗口同卷积核进行互相关计算得到的。
示例:创建一个高和宽为3的二维卷积层,设输入高和宽两侧的填充数分别为1,给定一个高和宽为8的输入,发现输出的高和宽也是8。
def comp_conv2d(conv2d, X):
# shape: (8,8) to (1,8,8,8,1)
X = tf.reshape(X, shape=(1,)+X.shape+(1,))
Y = conv2d(X)
# shape: (1,8,8,8,1) to (8,8)
return tf.reshape(Y, shape=Y.shape[1:3])
X = tf.random.uniform(shape=(8,8))
conv2d = tf.keras.layers.Conv2D(filters=1, kernel_size=3, padding='same')
comp_conv2d(conv2d,X).shape
输出:
TensorShape([8, 8])
2.2 stride
2.2.1 概念
在1.1小节介绍的二维互相关运算中,卷积窗口从输入数组的最左上方开始,按从左往右、从上往下的顺序,依次在输入数组上滑动。这里将每次滑动的行数和列数称为步幅(stride)。
在已有示例中,涉及的高和宽两个方向上的步幅均为1,也可以使用更大步幅。
在高上步幅为3、在宽上步幅为2的二维互相关运算,如下图所示:
由此可见,输出第一列第二个元素时,卷积窗口向下滑动了3行;输出第一行第二个元素时,卷积窗口向右滑动了2列。
当卷积窗口在输入上再向右滑动2列时,由于输入元素无法填满窗口,无结果输出。
图中的阴影部分,为输出元素及其计算所使用的输入和核数组元素: 0 × 0 + 0 × 1 + 1 × 2 + 2 × 3 = 8 0 × 0 + 6 × 1 + 0 × 2 + 0 × 3 = 6 0\times0+0\times1+1\times2+2\times3=8\\ 0\times0+6\times1+0\times2+0\times3=6 0×0+0×1+1×2+2×3=80×0+6×1+0×2+0×3=6
一般来说,当高上步幅为 s h s_h sh,宽上步幅为 s w s_w sw时,输出形状为(均取下舍整数):
⌊ ( n h − k h + p h + s h ) / s h ⌋ × ⌊ ( n w − k w + p w + s w ) / s w ⌋ \lfloor(n_h-k_h+p_h+s_h)/s_h\rfloor \times \lfloor(n_w-k_w+p_w+s_w)/s_w\rfloor ⌊(nh−kh+ph+sh)/sh⌋×⌊(nw−kw+pw+sw)/sw⌋
若设
p
h
=
k
h
−
1
p_h=k_h-1
ph=kh−1和
p
w
=
k
w
−
1
p_w=k_w-1
pw=kw−1,那么输出形状将简化为:
⌊
(
n
h
+
s
h
−
1
)
/
s
h
⌋
×
⌊
(
n
w
+
s
w
−
1
)
/
s
w
⌋
\lfloor(n_h+s_h-1)/s_h\rfloor \times \lfloor(n_w+s_w-1)/s_w\rfloor
⌊(nh+sh−1)/sh⌋×⌊(nw+sw−1)/sw⌋
更进一步,若输入的高和宽能分别被高和宽上的步幅整除,那么输出形状将是:
(
n
h
/
s
h
)
×
(
n
w
/
s
w
)
(n_h/s_h) \times (n_w/s_w)
(nh/sh)×(nw/sw)
2.2.2 代码示例
示例1
令高和宽上的步幅均为2,从而使输入的高和宽减半。
conv2d = tf.keras.layers.Conv2D(filters=1, kernel_size=3, padding='same', strides=2)
comp_conv2d(conv2d, X).shape
输出:
TensorShape([4, 4])
示例2
令padding=‘valid’,高上的步幅为3,宽上的步幅为4。
conv2d = tf.keras.layers.Conv2D(filters=1, kernel_size=(3,5), padding='valid', strides=(3,4))
comp_conv2d(conv2d, X).shape
输出:
TensorShape([2, 1])
- 记:padding=‘same’ vs padding=‘valid’ ?