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)