border_mode

如果border_mode选择为same,那么卷积操作的输入和输出尺寸会保持一致。如果选择valid,那卷积过后,尺寸会变小。

# apply a 3x3 convolution with 64 output filters on a 256x256 image:
model = Sequential()
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256)))
# now model.output_shape == (None, 64, 256, 256)

这是keras中的定义：

def conv_output_length(input_length, filter_size, border_mode, stride):  
    if input_length is None:  
        return None  
    assert border_mode in {'same', 'valid'}  
    if border_mode == 'same':  
        output_length = input_length  
    elif border_mode == 'valid':  
        output_length = input_length - filter_size + 1  
    return (output_length + stride - 1) // stride 

卷积的操作中,如果使用same,或valid这种模式,有时候会不灵活。必要的时候,需要我们自己去进行补零操作,庆幸的是keras的补零操作是非常灵活的。

keras.layers.convolutional.ZeroPadding2D(padding=(1, 1), dim_ordering='default')  
#If tuple of int (length 2): How many zeros to add at the beginning and end of the 2 padding dimensions (rows and cols)

说明：这是keras中的补零操作,下面举2个例子。

padding= (1,0),会在行的最前和最后都增加一行0。比方说,原来的尺寸为(None,20,11,1),padding之后就会变成(None,22,11,1).

padding= (1,1),会在行和列的最前和最后都增加一行0。比方说,原来的尺寸为(None,20,11,1),padding之后就会变成(None,22,13,1).