卷积神经网络中same padding 和 valid padding

最新推荐文章于 2024-08-15 15:56:13 发布
最新推荐文章于 2024-08-15 15:56:13 发布
阅读量4.1k 收藏 1
点赞数 2
分类专栏： 深度学习机器学习 文章标签： 卷积神经网络 padding
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/szj_huhu/article/details/73850423
版权
本文介绍了TensorFlow中卷积操作的SAME和VALID两种填充方式。SAME填充确保输出尺寸与输入尺寸相同，而VALID填充则不进行额外填充，导致输出尺寸减小。通过实例展示了不同 strides 和填充对输出尺寸的影响，说明了在不同 strides 下SAME和VALID填充可能导致相同的或不同的输出尺寸。
摘要由CSDN通过智能技术生成

The TensorFlow Convolution example gives an overview about the difference between SAME and VALID :

For the SAME padding, the output height and width are computed as:

out_height = ceil(float(in_height) / float(strides[1]))

out_width = ceil(float(in_width) / float(strides[2]))
And

For the VALID padding, the output height and width are computed as:

out_height = ceil(float(in_height - filter_height + 1) / float(strides1))

out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))

输入：【N，2，3，1】样本数，2行，3列，1个颜色通道
如果：tf.nn.conv2d(x,W,strides=[1,1,1,1],padding=”SAME”)
strides 1*1 采用same padding
（2）/ 1 = 2
（3）/ 1 = 3
输出：【N，2，3，32】 32是卷积后的图像高度

strides 1*1 采用valid padding
（2 -1 +1）/ 1 = 2
ÿ

最低0.47元/天 解锁文章
szj_jojo
关注
专栏目录
29、卷积 - 参数 padding 的作用
AI与算法都要通俗易懂
12-09 1336
如果没有 padding，每次卷积核移动计算后，都会导致卷积的输出尺寸变小，最终可能使得输入图像的边缘信息丢失，而填充了 padding 则有助于保留图像的边缘信息，防止信息在卷积过程中逐渐减小甚至丢失。Padding 指的是在输入图像的周围添加额外的像素值，用来以扩大输入图像的尺寸，这些额外填充的像素值通常设置为零，卷积操作在这个填充后的输入图像上进行。而在有些时候，我们希望卷积的输出尺寸与输入相同。如上图，从一个俯视图的角度来看待一个卷积运算的过程，最上面的是卷积核，在下面蓝色的图像上滑动扫描的过程。
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 2452
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...
卷积操作中的same padding与valid padding
rauchy的博客
07-12 4987
  最近在研究卷积神经网络，很多卷积操作里头都会有padding这个选项，以keras中的Conv2D为例，padding操作有valid，same,casual等，我只讨论same和valid这两种模式，casual以后遇到再说。 假设模型的输入维度为n，kernel size为k，步长为s，输出维度为m。 same padding   当strides=1时，利用same padding操作，...
机器学习-卷积神经网络（CNN）
最新发布
qq_42538588的博客
08-15 1454
交叉熵损失用于评估预测概率分布与实际标签分布之间的差异。对于一个多分类问题，交叉熵损失 ( L ) 的定义为：( C ) 是类别数。( y_i ) 是实际标签的指示函数。如果样本属于第 ( i ) 类，则 ( y_i = 1 )，否则为 ( 0 )。( \hat{y}_i ) 是模型对第 ( i ) 类的预测概率。均方误差 ( L ) 定义为：( N ) 是样本数量。( y_j ) 是真实值。( \hat{y}_j ) 是预测值。
卷积神经网络之padding操作
谦小白
01-02 2万+
文章目录(一) 卷积神经网络之padding操作(1) 卷积的缺点1.1 第一个缺点：图象缩小（输出缩小）1.2 第二个缺点：图像边缘信息发挥的作用小(2) Padding2.1 padding的取值2.1.1 **Valid**卷积2.1.1 **Same**卷积(3) 总结 (一) 卷积神经网络之padding操作 为了构建深度神经网络，你需要学会使用的一个基本的卷积操作就是padding ...
卷积过程padding的理解
weixin_44048809的博客
04-25 1万+
Padding是填充的意思，用在卷积网络当中。当有一张 6 X 6 的图片，经过 3 X 3 的卷积核卷积之后（不使用padding）会得到一张 4 X 4 大小的图片，从输入到输出的计算方式为：(n-f+1)*(n-f+1) 如图1所示。 ...
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 5860
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...
卷积层里的填充和步幅(padding和strides)
m0_56312629的博客
12-19 1806
本文介绍了填充和步幅的作用以及代码实现
卷积神经网络~设置padding和stride
fatfairyyy的博客
05-22 2823
更多边缘检测内容 下图所示的是垂直边缘检测的例子： 如果，这张图片被翻转了，即，使暗面在左，亮面在右，这对输出会造成什么影响？ 运算结果发生了变化，过滤器得到的计算值变成了-30。输出的结果表明，-30 --> 0 是由暗到亮的过渡而非由亮到暗的过度。如果实验的结果不在乎二者的区别，那么可以直接对输出的卷积矩阵中的值取绝对值。但这种过滤器确实可以区别两种明暗的变化。 水平垂直检测 注：对于垂直边缘检测，矩阵的第一列为1，而最后一列为-1，因此它进行卷积计算的结果会使左边较亮而右边相对较暗。 相
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,...
卷积神经网络之padding计算
itlilyer的博客
08-01 3864
padding的模式分为SAME和VALID两种方式。下面简单介绍一下两种方式输出shape的计算方法。 tensorflow VALID 计算公式： 输出的大小直接用输入的大小减去卷积核大小，加1，然后除以步长，最后对结果向上取整。 假如输入的shape为7x7的，卷积核的大小为3x3，步长为2，这样计算出的输出shape为：3x3。对于边界上没有取到的数据直接舍弃掉。 SAME 计算公式 第一步，先用输入的大小除以步长，对结果向上取整。得到输出的shape。例如，input shape是7x7，ker
【知识点】卷积神经网络
不知道在干嘛每天
12-09 2494
符号约定 n 原图像大小，比如6*6的图像，n=6 f 过滤器大小，比如3*3的过滤器，f=3 p padding填充多少像素，填充2像素，p=2 s 卷积步长 nc 通道数 nc’ 过滤器个数 图片左上角的坐标为(0,0)，右下角标记为(1,1)。要确定边界框的具体位置，需要指定红色方框的中心点，这个点表示为(bx , by)，边界框的高度为 bh，宽度为bw。 过滤器 如何在图像中检测边缘？ 看一个例子，一个6×6的灰度图像。因为是灰度图像，所以它是6×6×1的矩阵，而不是6×6×3的，因为没有RGB
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...
padding参数VALID和SAME
like_study_cat的博客
03-16 260
SAME： stride=1 输出特征图和输入大小一致（例如输入75x75，输出依旧是75X75） stride=2 输出特征图是输入大小的1/2（例如输入是76X76，输出是38X38 输入是75X75，输出是38X38（向上取整）） padding大小：((f-k)+2p)/s + 1 = f_out(根据公式可以求得p) VALID: 没有padding的概念了 输出特征图大小： (f-k)...
神经网络中padding的两种方式“SAME”和“VALID”
smiling614的博客
01-23 6008
1.padding=‘SAME‘         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动两步之后，VALID方式发现余下的窗口不到2×2所以直接将第三列舍弃，而SAME方式并不会把多出的一列丢弃，但是只有一列了就填充一列0 2.1.padding=‘VALID’         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动...
Tensorflow中padding的两种类型SAME和VALID
mmc2015的专栏
06-08 2053
按照下面的解释，“SAME”用的比较多。same的含义是：长度除以步长向上取整。 For the SAME padding, the output height and width are computed as: out_height = ceil(float(in_height) / float(strides[1])) out_width = ceil(float(
深度学习之卷积神经网络中same padding 和 valid padding
zhf的博客
03-03 1568
卷积操作知识点 卷积操作使得图像边界信息丢失，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。这是为了 一方面是为了方便 same padding时对称填充，左右两边对称补零；另一方面，奇数过滤器有中心像素，便于确定过滤器的位置。 以单通道、一个卷积核为例进行卷积。当有5x5x1的图像，卷积核为3x3x1，步长为2时： a. 当使用 valid...
"same" padding, "valid" padding和fixed padding的区别
ChengChengCheng的博客
04-29 384
https://stackoverflow.com/questions/47745397/why-use-fixed-padding-when-building-resnet-model-in-tensorflow https://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-p...
卷积神经网络中的padding是什么
04-27
在卷积神经网络中，padding是指在输入数据周围添加一圈固定值的操作。这个固定值可以是零或者其他任何值。其目的是为了在进行卷积操作时，保持输出尺寸与输入尺寸相同或者相近。通常在卷积层中，卷积核的尺寸比输入...
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
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