卷积操作的三种 padding：valid (no padding), same (or half), full

最新推荐文章于 2022-11-15 19:01:24 发布
最新推荐文章于 2022-11-15 19:01:24 发布
阅读量1.1k 收藏 6
点赞数 1
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41731507/article/details/113664915
版权
本文探讨了卷积神经网络中valid、same和full padding三种模式的原理与应用，重点讲解了它们如何影响输出尺寸，并举例说明了每种模式下stride=1时的补零规则。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  • Valid or no padding:
    valid顾名思义filter只在valid（有效）区域卷积。如果stride=1，output_size = input_size -( kernel_size -1)
    在这里插入图片描述

  • Same or half padding:
    这种padding是让输出尺寸等于输入尺寸的padding。当stride = 1，要补（kernel_size - 1）行（列）零
    在这里插入图片描述

  • Full padding:
    Full意味着kernel会一个个遍历所有输入图像像素。当stride = 1，要补2*（kernel_size - 1）行（列）零。
    在这里插入图片描述

tensorflow2.x学习笔记二十三：卷积(转置卷积)层中的padding=valid和same的区别(含ZeroPadding2D)
耐心的小黑的博客
03-20 2533
对于转置卷积和卷积，输入高宽(i)，输出高宽(o)，步长(s)，卷积核的高宽(k)(设定高宽相等都为k)满足以下关系： 1. 卷积：        padding = 'same’时，o = i/s 向上取整        padding = 'valid’时...
【视觉AI的基石】斯坦福大学笔记！带你吃透卷积神经网络 (CNN)
最新发布
人工智能研究所的博客
04-30 3
CNN：让计算机拥有“火眼金睛”的秘诀 想象一下，你怎么认出一张图片里的是猫还是狗？ 你不会把图片所有像素点揉成一团再看。你会先注意到一些局部特征：猫有尖耳朵、胡须，狗可能有下垂的耳朵、突出的鼻子。然后，你会把这些局部特征组合起来：尖耳朵 + 胡须 + 圆脸 ≈ 猫。最后，你综合所有信息得出结论。
yolov3--16--一文详解卷积操作中的padding填充操作
天明宇朗的博客
10-28 6005
Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU) Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRT Yolov--3--TensorRT中yolov3性能优化加速（基于caffe） yolov-5-目标检测：YOLOv2算法原理详解 yolov--8--Tensorflow实现YOLO v3 yolov--9--Y...
卷积的三种模式：full、same、valid
qq_44199379的博客
11-15 3260
图示卷积的三种模式：full、same、valid
卷积的三种模式full, same, valid以及padding的same, valid
重剑无锋博客
09-07 176
https://zhuanlan.zhihu.com/p/62760780
卷积运算中的两种padding的取值，VALID和SAME
Pierce_KK的博客
10-15 1879
模板来源于（https://blog.csdn.net/wuzqchom/article/details/74785643） 加入了一些自己的理解 在用tensorflow写CNN的时候，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（max pooling也是一样）： def conv2d(input, filter, strides, padding, ...
jmu-Java-06异常-02-使用异常机制处理异常输入
黑白的黒's Blog
10-05 3602
使用异常处理输入机制，让程序变得更健壮。 main方法： 输入n，创建大小为n的int数组。 输入n个整数，放入数组。输入时，有可能输入的是非整型字符串，这时候需要输出异常信息，然后重新输入。 使用Arrays.toString输出数组中的内容。 输入样例： 5 1 2 a b 4 5 3 输出样例： java.lang.NumberFormatException: For input string: "a" java.lang.NumberFormatException: For input str
TensorFlow实战笔记之（4）：卷积神经网络（CNN） 实现手写数字识别
polyhedronx的博客
07-03 6331
一、引言 前一篇博文使用单隐层的全连接神经网络，并结合一些神经网络的优化策略，如指数衰减学习率、正则化、Relu激活函数和Adam优化算法等，用包含100个隐层神经元的神经网络实现了MNIST数据集上手写数字识别98%的准确率。但是全连接神经网络也是有局限的，即使使用很深的网络、很多的隐层结点、很大的迭代轮数，也很难在MNIST数据集上得到99%以上的准确率。不过，卷积神经网络的出现解决了这一问...
医学图像处理医学图像处理-卷积神经网络卷积神经网络_CV 前篇 -- 卷积神经网络...
weixin_39980002的博客
11-22 1145
由于卷积神经网络在CV中有着非常重要的作用，所以在开始具体任务的学习之前，先单独对CNN相关知识进行一个梳理。历史1987--第一个卷积网络TDNN：1987年Alexander Waibel 提出时间延迟网络（Time Delay Neural Network, TDNN）应用于语音识别问题隐含层由2个一维卷积核组成，以提取频率域上的平移不变特征表现超过了同等条件下的隐马尔可夫模型（Hidden...
图示理解卷积运算、逆卷积运算、Tensorflow、tf.nn.conv2d_transpose、Conv2DSlowBackpropInput: Size of out_backprop doesn
Nianzu_Ethan_Zheng的博客
01-10 3883
一步一步从原理层来解释Tensorflow内卷积层参数设置、Conv2DSlowBackpropInput: Size of out_backprop doesn't match computed错误原因详解
深度学习（一）：卷积神经网络与手写数字识别
lancerFm的博客
09-24 3141
首先介绍了卷积神经网络的基本结构，深入分析了卷积神经网络的原理和优势，选择卷积神经网络做图像识别和手写数字识别的原因。并使用tensorflow框架实现卷积神经网络去训练MNIST数据集，并测试一下MNIST的测试集，经过训练结构的搭建和一些列参数调整，得出最后的准确率。 其次为了更方便TensorFlow程序的理解、调试与优化，本文简单介绍了谷歌发布的TensorBoard 的可视化工具，用 ...
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3467
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是553，过滤器是333，padding设置的值是SAME，所以我一开始预想的是输出557（有7个过...
Padding：valid和same
为实现四个现代化奋斗
08-02 2365
卷积操作有两个问题： 1. 图像越来越小； 2. 图像边界信息丢失，即有些图像角落和边界的信息发挥作用较少。因此需要padding。 卷积核大小通常为奇数 一方面是为了方便same卷积padding对称填充，左右两边对称补零； n+2p-f+1=n p=(f-1)/2 另一方面，奇数过滤器有中心像素，便于确定过滤器的位置。 padding padding的方式： 备注 "...
TensorFlow中padding卷积的两种方式“SAME”和“VALID”
热门推荐
syyyy712的博客
05-10 6万+
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是5*5*3，过滤器是3*3*3，padding设置的值是SAME，所以我一开始预想的是...
Tensorflow卷积操作中Padding的几种方式
柯基不等式
03-15 908
假设: 输入矩阵的尺寸为: w * w 卷积核的尺寸为: f * f 步长为: s 输出矩阵的尺寸: new_w * new_w 注意, 这里默认所有长宽都相等; 不相等情况下, 推导方式是一样的. VALID 方式 new_w = (w - s + 1) / 2 #向上取整 VALID方式不会在原有输入矩阵的基础上添加新的值，输出矩阵的大小直接按照...
padding=“valid“和“same“的区别以及输出尺寸计算
ruyingcai666666的博客
08-22 7165
padding=valid表示without padding，padding=same表示with zero padding 设输入图像尺寸为W，卷积核尺寸为F，步幅为S，Padding使用P，则经过卷积层或池化层之后的图像尺寸为（W-F+2P）/S+1。 （1）如果参数是‘’SAME’’，那么计算只与步长有关，直接除以步长 W / S(除不尽，向上取整) （2）如果参数是‘VALID’,那么计算公式如上：(W – F + 1) / S （结果向上取整） ...
padding卷积的两种方式“SAME”和“VALID”
简简单单
03-26 1万+
conv2d是常用的实现卷积的，Tensorflow调用Conv的api时，常用代码如下： 查看：https://tensorflow.google.cn/api_docs/python/tf/nn/conv2d tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True,...
卷积层输出大小尺寸计算及padding为 “SAME” 和 “VALID”的计算
weixin_40964777的博客
04-22 9175
简介 卷积之后的尺寸大小计算公式为： 输入图片大小 W×W Filter大小 ...
【tensorflow】padding 中‘SAME‘ 和‘VALID‘区别
froot的博客
04-26 603
根据tensorflow中的conv2d函数，我们先定义几个基本符号 1、输入矩阵 W×W，这里只考虑输入宽高相等的情况，如果不相等，推导方法一样，不多解释。 2、filter矩阵 F×F，卷积核 3、stride值 S，步长 4、输出宽高为 new_height、new_width 当然还有其他的一些具体的参数，这里就不再说明了。 我们知道，padding的方式在tensorflow里分两种，一...
padding valid和same区别
06-06
### 回答1： "Padding valid" 和 "Padding same" 是指在卷积神经网络中的两种不同的 padding（填充）方式。 "Padding valid" 表示不进行任何填充，也就是不在输入的边缘进行补零操作，这会导致卷积后的输出尺寸比输入尺寸小。 "Padding same" 表示在输入的边缘进行补零操作，使得卷积后的输出尺寸与输入尺寸相同。具体来说，如果卷积核的大小为 k，那么在输入边缘进行补零的大小为 (k-1)/2。 在使用卷积神经网络时，选择哪种 padding 方式取决于具体的应用场景和模型结构。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

starleeisamyth

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值