TensorFlow中padding卷积的两种方式“SAME”和“VALID”

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输出5*5*7（有7个过滤器），可是最后程序运行的结果是3*3*7，和我预想的不一致，原来tensorflow官网定义的padding如下：

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，s是步长大小；

---

padding = “VALID”输入和输出大小关系如下：

输出大小等于输入大小减去滤波器大小加上1，最后再除以步长（f为滤波器的大小，s是步长大小）。

---

因此还是上述的那个例子，我的输入是5*5*3，滤波器是3*3*3，padding= “SAME”，步长s = 2，因此根据公式我的输出是（5/2=2.5），2.5向上取整是3，因此符合上述程序输出的结果，如果我将padding的值改成“VALID”，则最后的输出结果是
（5-3+1）/2=1.5，1.5向上取整是2，因此输出应该是2*2*7。
如下图：

程序运行符合结果！