卷积神经网络padding为SAME和VALID的区别

最新推荐文章于 2024-10-13 18:13:59 发布

MG冰淇淋

最新推荐文章于 2024-10-13 18:13:59 发布

阅读量2k

点赞数 2

分类专栏：深度学习文章标签：神经网络深度学习

本文链接：https://blog.csdn.net/weixin_39065428/article/details/100022847

版权

深度学习专栏收录该内容

6 篇文章 0 订阅

订阅专栏

本文详细解析了卷积神经网络中两种常见的Padding方式：SAME和VALID。通过具体实例展示了不同Padding方式下输入数据的处理过程，以及它们如何影响卷积层的输出尺寸。SAME Padding确保卷积操作后的特征图大小不变，而VALID Padding则不进行额外填充。

摘要由CSDN通过智能技术生成

卷积神经网络padding为SAME和VALID的区别

参考：https://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t

“VALID”：不填充
“SAME”：首先尝试两边均匀填充（如果没法平分，就将平分之后剩余的填充在右边或下面）【还有一个含义就是卷积计算之后shape不改变】

例如：
如果：
Input width = 13, Filter width = 6, Stride = 5
则：
当padding="VALID"时：（12和13直接丢弃）

   inputs:         1  2  3  4  5  6  7  8  9  10 11 (12 13)
                   |________________|                dropped
                                  |_______________|

当padding="SAME"时：（经过计算，需要填充3个0，首先左右两边分别填充一个0，然后剩下一个0放右边）

               pad|                                      |pad
   inputs:      0 |1  2  3  4  5  6  7  8  9  10 11 12 13|0  0
                |________________|
                               |_________________|
                                              |_______________|