假设我们的步幅为2,内核大小为3.
使用带填充的tf.layers.conv2d相同:
情况1:
pad| |pad
inputs: 0 |1 2 3 4 5 |0
|_______|
|_______|
|_______|
案例2:
|pad
inputs: 1 2 3 4 5 6 |0
|_______|
|_______|
|_______|
您可以看到填充将取决于输入大小.确定具有相同的填充,使得输出大小为Math.ceil(input_size / stride).您可以阅读有关该here的更多信息.
使用resnet的固定填充实现:
情况1:
pad| |pad
inputs: 0 |1 2 3 4 5 |0
|_______|
|_______|
|_______|
案例2:
pad| |pad
inputs: 0 |1 2 3 4 5 6 |0
|_______|
|_______|
|_______|
填充由内核大小唯一定义,并且与输入大小无关.