tf.nn.conv2d中padding=same规则介绍

最新推荐文章于 2022-04-07 20:23:23 发布
最新推荐文章于 2022-04-07 20:23:23 发布
阅读量8.7k 收藏 47
点赞数 16
分类专栏： 深度学习 文章标签： 深度学习 tensorflow
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/theadore2017/article/details/107232208
版权
本文介绍了在TensorFlow的卷积操作tf.nn.conv2d中，如何使用padding='SAME'进行边缘填充，详细解析了填充规则，并通过实例验证了计算方法。内容包括VALID和SAME两种情况的计算，以及不同填充数量对输出的影响。
摘要由CSDN通过智能技术生成

由于项目需要需要自己实现卷积算法的逻辑，下面介绍padding填充规则，并且可以用最后面的数据进行简单的验证。

padding属性的意义是定义元素边框和元素内容之间的空间。

在tf.nn.conv2d函数中，当变量padding为VALID和SAME，函数具体是怎么计算的呢？其实是有公式的。为了方便演示，先定义几个变量：

  • 输入的尺寸高和宽定义成：in_height，in_width
  • 卷积核的高和宽定义成filter_height、filter_width
  • 输入的尺寸中高和宽定义成output_height、out_width
  • 步长的高宽方向定义成strides_height、strides_width.

一 VALID情况：边缘不填充

输入宽和高的公式分别为：
output_width=(in_width-filter_width+1)/strides_width #(结果向上取整)
output_height=(in_height-filter_height+1)/strides_height #(结果向上取整)

二 SAME情况：边缘填充

# 输出的宽和高将与卷积核没关系，具体公式如下：
output_width=in_width/strides_width #(结果向上取整)

output_height=in_height/strides_height #(结果向上取整)

# 这里有一个很重要的知识点——补零的规则，见如下公式：
pad_height=ma
最低0.47元/天 解锁文章
寻水的鱼2019
关注
  • 16
    点赞
  • 踩
  • 47
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
keras之padding=same具体实现
zyl681327的博客
07-12 1万+
在keras中，之前只是从理论上了解了padding=same的原理，并没有自己尝试写出这个功能，当自己尝试写出这一过程时，发现我在理论上的理解与实际的实现有一定的差异，所以写出这篇博客，记录下自己写的过程中，对padding=same的更详细的实现。（注，由于我做的工作使用的是一维数据，不是图片这种二维数据，故下面都是以一维数据为例记录说明） padding的作用 首先重复下padding的作用...
pytorch padding='same'
07-28
pytorch使用padding='same'，只需要from padding_same_conv import Conv2d
tf.nn.conv2d(x, W, strides=[1, 2, 2, 1], padding='SAME')参数的理解
LoveWeeknd
12-13 4551
例子： W = tf.truncated_normal([5, 5, 1, 32], stddev=0.1) tf.nn.conv2d(x, W, strides=[1, 2, 2, 1], padding='SAME') 1、shape= [5,5,1,32] 前面两个5,表示卷积核的长宽分别为5 1表示输入图像对应的通道数，比如输入的图像是单通道的则设置为1，如果是RGB三通道的，则...
TensorFlow中padding=‘SAME’的具体实现（Conv1D一维卷积）
crystal_sugar的博客
04-30 6188
https://blog.csdn.net/zyl681327/article/details/95587655?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2&utm_source=distribute.pc_relevant.none-task-blog...
关于padding=’same’/’valid’
兰钧的博客
09-09 8519
设成same会自动加padding，保证输出是同样的大小。 padding = same，是指输出图像要和输入一样，至于padding是多少，是推断出来的。 可以这样理解，输出就是输入/步长，其他的padding工作API会帮你做。 输出size = （输入size-kernel size-2P）/ stride +1 padding除不尽的时候，比如2p = 1, 那么就在一边加1，一...
tf.nn.conv2d padding “SAME“ 和“VALID“ 的区别
子燕若水的博客
06-08 377
If you like ascii art: "VALID"= without padding: inputs: 1 2 3 4 5 6 7 8 9 10 11 (12 13) |________________| dropped |_________________| "SAME"= with zero pa..
Tensorflow tf.nn.depthwise_conv2d如何实现深度卷积的
12-20
在TensorFlow中，`tf.nn.depthwise_conv2d`函数实现了这一操作。这个函数允许我们将输入图像的每个通道分别与对应的卷积核进行卷积，而不是像传统卷积那样将所有通道混合在一起。 深度卷积起源于深度可分离卷积...
TensorFlow tf.nn.conv2d实现卷积的方式
09-18
TensorFlow框架中的tf.nn.conv2d函数用于在二维输入数据上执行卷积运算，该运算通常用在构建卷积神经网络（CNN）中。这个函数的实现主要涉及到图像处理中的核心概念，包括输入图像、卷积核、步长、填充和输出feature...
Tensorflow tf.nn.atrous_conv2d如何实现空洞卷积的
12-20
通过`tf.nn.atrous_conv2d`进行卷积，`padding='SAME'`确保了输出的尺寸与输入相同。 总结来说，空洞卷积通过在卷积核内部插入0来扩大感受野，使得网络能够捕捉到更广泛的上下文信息，这对于语义分割、图像识别等...
TensorFlow tf.nn.conv2d_transpose是怎样实现反卷积的
09-17
`tf.nn.conv2d_transpose`是TensorFlow库中用于执行反卷积操作的一个函数，本文将详细介绍其工作原理和使用方法。 首先，我们需要理解`tf.nn.conv2d_transpose`的基本结构。该函数有以下几个关键参数： 1. `value`...
【Pytorch】torch.nn.functional.conv2d（F.conv2d） same padding实现方法（输入与输出大小相同）
qq_43426078的博客
04-07 4145
Motivation 在做图像退化的时候发现pytorch早期版本不支持same padding（新版本是有padding = 'same'这个选项的，但是本人试了也没成功，暂时没找到原因）。于是去查有没有办法自己实现一下same padding。 torch.nn.functional.conv2d 详解 官方文档写的非常清楚，直接贴上来 实现方法 由于F.conv2d的padding最多只支持两个参数（对称填充），有些输出大小没办法实现。因此可以通过F.pad()先做填充，再用F.conv2d做卷积。
padding卷积的两种方式“SAME”和“VALID”
热门推荐
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,...
tensorflow中tf.nn.conv2d中padding=same和padding=valid的区别，same有公式，不是输出和输入特征图一样大小
m0_37192554的博客
05-05 787
tensorflow中tf.nn.conv2d中padding=same和padding=valid的区别 ...
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3294
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=‘SAME’ or‘VALID’
qq_41044525的博客
10-24 1430
在使用Keras的时候会遇到这样的代码x = Conv2D(filters, kernel_size=5, strides=2, padding='same')(x)，与pytorch不同，keras和TensorFlow设置卷积层的过程中可以设置padding参数，vaild和same。“valid”代表只进行有效的卷积，对边界数据不处理。“same”代表保留边界处的卷积结果，通常会导致输出sh...
【TensorFlow基础】TensorFlow中函数conv2d参数stride，padding的理解以及padding模式SAME，VALID的详细说明
AnddyWang
07-10 6127
TensorFlow中函数conv2d主要实现了输入张量与设定卷积核的卷积操作，其函数形式如下： tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True, data_format='NHWC', dilations=[1, 1, 1, 1], nam...
conv2d函数的padding参数解释
流年寂寞了沧桑的博客
01-02 4939
conv2d函数原型：     tf.nn.conv2d ( input,  filter,  strides,  padding,  use_cudnn_on_gpu=None,  name=None ) 参数说明：     input：输入图像，shape为 [ batch,  in_height,   in_width,  in_channels ]，例如 [ 1,
当padding为“SAME” 和 “VALID”卷积层输出尺寸的大小的计算
穿拖鞋的都是大佬
10-15 3200
我们32323的图像，用553的卷积核在图像上滑过 计算如图所示（多通道图计算请自行脑补）： 卷积之后的尺寸大小计算公式为： 其中：输入图片大小 W×W Filter大小 F×F 步长strides S padding的像素数 P 输出大小为NxN 在实际操作时，我们还会碰到 padding的两种方式 “SAME” 和 “VALID”，padding = “SAME”时，会在图像的周围填 “0”，padding = “VALID”则不需要，即 P=0。一般会选“SAME”，以来减缓图像变小的速度，二
w1=tf.Variable(tf.random_normal([3,3,3,16])) l1=tf.nn.conv2d(input=x_place_reshape,filters=w1,strides=(1,1),padding='SAME') l1=tf.nn.relu(l1) l1=tf.nn.max_pool2d(input=l1,ksize=(2,2),strides=(2,2),padding='SAME')
最新发布
06-08
这段代码是用 TensorFlow 实现了一个卷积神经网络的前向传播过程，其中包括一个卷积层和一个池化层。具体来说，w1 是一个形状为 [3,3,3,16] 的卷积核，x_place_reshape 是输入数据，经过 reshape 后的形状为 [batch_size, height, width, channels]。在卷积层中，使用了 tf.nn.conv2d 函数对输入数据进行卷积操作，并使用 ReLU 函数作为激活函数；在池化层中，使用了 tf.nn.max_pool2d 函数对卷积结果进行池化操作。其中，ksize 和 strides 参数分别表示池化窗口的大小和步长，padding 参数表示是否使用填充操作。
评论 1
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