PaddlePaddle——深度学习中的零碎概念总结

本篇大部分都为所见所遇到的一些细小知识点的总结。

Padding

在组网过程中，使用卷积层时，有一个重要的参数padding需要进行设置，而padding的参数可以设置为：

• SAME
• VALID
• 数字（具体的padding值）

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。

①Padding = ‘SAME’

same模式是最常见的模式，因为这种模式可以在前向传播的过程中让特征图的大小保持不变，调参师不需要精准计算其尺寸变化(因为尺寸根本就没变化)。当然，same模式不代表完全输入输出尺寸一样，也跟卷积核的步长有关。

padding = “SAME”输入和输出大小关系如下：

• 输出大小等于输入大小除以步长向上取整

②Padding = ‘VALID’

当filter全部在image里面的时候，进行卷积运算，可见filter的移动范围较same更小了。

padding = “VALID”输入和输出大小关系如下：

参考文章：

• 卷积的三种模式full, same, valid以及padding的same, valid
• TensorFlow中padding的SAME和VALID两种方式有何异同？