Tensorflow卷积操作中Padding的几种方式

最新推荐文章于 2023-05-12 16:14:52 发布
最新推荐文章于 2023-05-12 16:14:52 发布
阅读量872 收藏
点赞数 1
分类专栏： 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/w516162189/article/details/79568925
版权

假设:

输入矩阵的尺寸为: w * w
卷积核的尺寸为: f * f
步长为: s
输出矩阵的尺寸: new_w * new_w

注意, 这里默认所有长宽都相等; 不相等情况下, 推导方式是一样的.

VALID 方式

new_w = (w - s + 1) / 2    #向上取整

VALID方式不会在原有输入矩阵的基础上添加新的值，输出矩阵的大小直接按照公式计算即可

SAME 方式

站在阳台向北望
关注
专栏目录
为什么做卷积之前要对图像进行padding操作（根据过滤器的大小来padding）？
肉丸不肉
10-19 2647
参考文章： 吴恩达-深度学习-卷积神经网络-Padding 笔记 如果你用一个3×3的过滤器 卷积 一个6×6的图像，你最后会得到一个4×4的输出，也就是一个4×4矩阵。那是因为你的3×3过滤器在6×6矩阵中，只可能有4×4种可能的位置。 这背后的数学解释是，如果我们有一个的图像，用的过滤器做卷积，那么 输出的维度就是(n-f+1)*(n-f+1)。 在这个例子里是6-3+1=4，因此得到了一个4×4的输出。 这样的话会有两个缺点： 第一个缺点是，每次做卷积操作，你的图像就会缩小，从6×6缩小
使用tensorflow实现卷积的几种操作
CHNguoshiwushuang的博客
07-29 2952
   这里简要总结一下tensorflow实现卷积操作的几种写法，定义方式有很多。例如使用一个9x9的卷积核将一个三通道图像转换成64通道的feature,遇到过的有以下一些： 直接定义就写    这种写法简单粗暴，一边定义卷积核、偏置和卷及操作一边写，优点是操作灵活，但是代码量太大尤其是重复单元较多的时候，一个例子如下: weight = tf.get_variable('weig...
Tensorflow中卷积的padding操作
霹雳吧啦Wz
03-03 2324
文章目录Tensorflow中padding为valid的情况Tensorflow中padding为same的情况和Pytorch的padding简单对比实验对比实验1实验2实验3实验4实验5实验6 关于Tensorflow中卷积的padding其实在之前的课程中我有讲过，不过本节课会在详细讲解下，并和Pytorch中卷积的padding进行简单的对比。关于Pytorch中卷积的padding可以参考我之前写的一片文章。 在Tensorflow中卷积的padding一般需要指定为same或者valid，并
卷积操作的三种 padding：valid (no padding), same (or half), full
404 Not Found
02-04 1001
Valid or no padding: valid顾名思义filter只在valid（有效）区域卷积。如果stride=1，output_size = input_size -( kernel_size -1) Same or half padding: 这种padding是让输出尺寸等于输入尺寸的padding。当stride = 1，要补（kernel_size - 1）行（列）零 Full padding: Full意味着kernel会一个个遍历所有输入图像像素。当stride = ..
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 5854
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...
Tensorflow卷积中Padding的两种方式
songbinxu的博客
12-28 9462
Tensorflow卷积中Padding的两种方式 两种Padding VALID：若不够滑动，则将右下的剩余部分全部舍弃，从原矩阵左上角开始卷积。 H′=⌈H−k+1d⌉H'=\left \lceil \frac{H-k+1}{d} \right \rceilH′=⌈dH−k+1​⌉ SAME：如果H/dH/dH/d除不尽，会均匀地在左上、右下补0，令总长LLL满足L−...
Tensorflow中conv2d的两种padding方式（SAME与VALID）选择以及与Pytorch中对比
gouchen_的博客
11-15 2427
Tensorflow和卷积中padding的一些异同，以及SAME和VALID的理解与使用
Tensorflow 卷积神经网络 
qq_41039384的博客
08-16 828
Tensorflow 卷积神经网络 我们在获得一张图片后，需要对它进行处理。在实际应用中，会先对原始图像进行特征提取，把提取到的特征喂给全连接网络，再让全连接网络计算出分类评估值。 例：先将此图进行多次特征提取，再把提取后的计算机可读特征给全连接网络。 卷积 Convolutional 卷积是一种有效提取图片特征的方法。一般用一个正方形卷积核，遍历图片上的每一个像素点。图片与卷积核重合区域内相对应的每一个像素值乘卷积核内相对应点的权重，然后求和，再加上偏置后，最后得...
Tensorflow 卷积神经网络（三）池化与采样
weixin_44056948的博客
01-31 1003
前一节的内容对卷积网络的padding，stride等概念有了介绍，这一节会需要回顾一下其中重要的几个概念包括池化（Pooling）、过采样（upsample）以及激活函数ReLU。首先我们根据一张经典的LeNet5网络来了解下降维也就是下采样。 可以看到，两个subsampling层将原来输入的28*28的图像数据见魏晨了14*14和5*5； 那么下采样是怎么实现的呢，实际上这个操作的执行就是池化，如上图所示，池化主要分为两种average个Max，在这里我们的卷积核大小设置为2*2，步长st
TensorFlow实战之实现卷积神经网络的实例讲解
weixin_51463905的博客
06-16 1068
本文根据最近学习TensorFlow书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 一、相关性概念 1、卷积神经网络（ConvolutionNeural Network，CNN） 19世纪60年代科学家最早提出感受野（ReceptiveField）。当时通过对猫视觉皮层细胞研究，科学家发现每一个视觉神经元只会处理一小块区域的视觉图像，即感受野。20世纪80年代，日本科学家提出神经认知机（Neocognitron）的概念，被视为卷积神经网络最初的实现原型。
对于 CNN 卷积网络的理解——Padding 的两种方式
weixin_40267373的博客
05-03 3474
TensorFlow—Conv2D padding 问题导言1. Padding='VALID'2. Padding='SAME'2.1. 2x2 大小的卷积核2.2. 3x3 大小的卷积核2.3. 4x4 大小的卷积核3. 对齐方式不同 导言 最近在看卷积神经网络（CNN）的时候，遇到了 padding 这个属性（补全方式），查了很多资料，发现目前网上讨论的大都是padding之后输出张量大小如...
膨胀卷积的padding公式
qq_43258953的博客
11-23 1859
采用膨胀卷积后的padding计算 K为膨胀的等效卷积核，r为膨胀系数 K=k+(k−1)∗(r−1) 总的padding量为K-1。然后再进行两边分配。 p = kernel_size+(kernel_size-1)*(dilation-1)-1 p1 = p // 2 p2 = p - p1 x = layers.ZeroPadding2D(padding=((p1, p2), (p1,...
卷积神经网络2-padding
qq_37031892的博客
10-18 1018
什么是padding？ padding就是填充、覆盖的意思，也就是过滤器。 padding的选择？ 我们通常选择3x3的过滤器，但是如果你阅读大量文献，你也会发现也有许多5x5、7x7的过滤器。不难发现，这里都是奇数类型的过滤器。如果你阅读许多相关文献，你也会发现绝大多数都选择的是奇数过滤器，这也符合计算机视觉的惯例。之所以选择奇数，一方面有便于确定过滤器当前所在的位置（只有一个中心点），另外也不止是这个原因。当然，也可以选择偶数过滤器，可能也会有很...
4.1 Tensorflow:卷积函数
weixin_30765475的博客
08-04 395
卷积 卷积神经网络的结构 其中,input为输入,conv为卷积层,由卷积核构成,pool为池层,由池化函数构成最后是全连接层与输出层,其负责对卷积层提取的特征进行处理以获得我们需要的结果 卷积函数 卷积函数是本篇文章要讲解的内容,在TensorFlow中卷积函数输入的参数其输入参数 主要有input, filter, strides, pa...
第七章 TensorFlow实现卷积神经网络
m0_51863774的博客
05-12 449
补充：本人使用的是1.14.0的tensorflow，对于2.x版本的，是没有tutorials包的，需要找到相关资源下载后，放到相关路径下（D:\anaconda\envs\yxy\Lib\site-packages\tensorflow\examples），envs\yxy是本人在anaconda中新建的环境。//其实说白了，就是我们的代码中的路径问题，可以自己进行设置，如果你放在桌面，要么通过jupyter导入，要么修改代码中的路径。//记得把代码所需的材料放到相关路径下。
TensorFlow卷积介绍
修炼之路
11-14 6143
在介绍TensorFlow卷积之前，先介绍一下卷积在的常用的一些步骤，卷积在深度学习中占用非常重要的地位。对于卷积的介绍，这里有三篇文章向大家推荐一下，对于入门卷积的同学非常有帮助，卷积神经网络介绍，下面用一张图来展示一下卷积处理图片的流程。 从上图可以发现，使用卷积处理图片的流程，输入图片---->卷积----->池化----->卷积----->池化----->全连接，这个结构在卷积神
Tensorflow的卷积操作
qq_33690342的博客
09-27 680
Tendorflow中提供了对一维数据、二维数据、三维数据的卷积操作，分别是tf.nn.conv1d()、tf.nn.conv2d()、tf.nn.conv3d(). 以tf.nn.conv2d()函数做操作说明： tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format = None, n...
【Tensorflow】卷积层
gardenia的博客
11-28 1041
TensorFlow卷积层介绍
关于理解卷积操作中Padding的两种方式
热门推荐
小丁猫
05-22 2万+
参考博客 卷积操作存在两个问题： 1、图像越来越小； 2、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      一张M x M的图片，经过卷积核F x F，strides = [1,1,1,1], padding = valid 卷积操作后,         得到大小为 C_side x C_side 的 feature map,      ...
conv1 padding tensorflow
最新发布
06-27
在 TensorFlow 中，`conv1d`, `conv2d`, 或 `conv3d` 等卷积层操作中的 padding 是一种机制，用于保持输入数据在经过卷积后尺寸不变或增加。`conv1 padding` 指的是一维卷积（针对一维数据）的填充方式。主要有以下...
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