CNN中的conv2d中的两种padding计算方法

padding=‘VALID’

n e w _ h e i g h t = n e w _ w i d t h = [ ( W − F + 1 ) S ] new\_height=new\_width=[\frac{(W-F+1)}{S}] new_height=new_width=[S(WF+1)]

padding=‘SAME’

n e w _ h e i g h t = n e w _ w i d t h = [ W S ] new\_height=new\_width=[\frac{W}{S}] new_height=new_width=[SW]

其中, W W W为输入的size,也就是 W i d t h Width Width
F F F为卷积核的大小;
S S S为步长,也就是stride;
[ _ ] [\_] [_]为向上取整的符号。

ref

TensorFlow中CNN的两种padding方式“SAME”和“VALID”

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

Tech沉思录

点赞加投币,感谢您的资瓷~

¥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
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