卷积网络中valid和same形式

学习卷积神经网络时，调用卷积核API的时候，会有填padding方式的参数，找到源码中的函数定义如下：
tf.cnn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

参数padding：string类型的量，可以是"SAME","VALID"其中之一

设 输入图片 A（image）的大小是MxM，卷积核 K（filter）的大小是：NxN

• padding=‘valid’
  out_convshape_height(width) = (M-N) / S +1

• padding=‘same’
  out_convshape_height(width) = (M-N+2*P) / S +1

S：步长
P：输入图片边界填充0（原图片：5x5, 填充后：7x7，P=1）