深度学习之卷积神经网络中same padding 和 valid padding

最新推荐文章于 2022-05-27 07:30:00 发布
最新推荐文章于 2022-05-27 07:30:00 发布
阅读量1.5k 收藏 3
点赞数 1
分类专栏： # 卷积神经网络专题 文章标签： 卷积神经网络 池化
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/weixin_43283397/article/details/104643190
版权

卷积操作知识点

  1. 卷积操作使得图像边界信息丢失，即有些图像角落和边界的信息发挥作用较少，因此需要padding。

  2. 卷积核大小通常为奇数。 一方面是为了方便 same padding时对称填充，左右两边对称补零；另一方面，奇数过滤器有中心像素，便于确定过滤器的位置。

  3. 以单通道、一个卷积核为例进行卷积。当有5x5x1的图像，卷积核为3x3x1，步长为2时：
    在这里插入图片描述
    a. 当使用 valid padding 时，采用丢弃的方式
    b. 当使用 same padding的方式，采用补全的方式，补0的方式是左奇右偶或者对称补齐

北木.
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
TensorFlow中padding卷积的两种方式“SAME”和“VALID”
syyyy712的博客
05-10 6万+
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5*5*3，过滤器是3*3*3，padding设置的值是SAME，所以我一开始预想的是...
卷积操作中的same padding与valid padding
rauchy的博客
07-12 4951
  最近在研究卷积神经网络，很多卷积操作里头都会有padding这个选项，以keras中的Conv2D为例，padding操作有valid，same,casual等，我只讨论same和valid这两种模式，casual以后遇到再说。 假设模型的输入维度为n，kernel size为k，步长为s，输出维度为m。 same padding   当strides=1时，利用same padding操作，...
对于 CNN 卷积网络的理解——Padding 的两种方式
weixin_40267373的博客
05-03 3250
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...
Tensorflow中padding的两种类型SAME和VALID
jiandanjinxin的专栏
08-24 2万+
边界补充问题 原始图片尺寸为7*7，卷积核的大小为3*3，当卷积核沿着图片滑动后只能滑动出一个5*5的图片出来，这就造成了卷积后的图片和卷积前的图片尺寸不一致，这显然不是我们想要的结果，所以为了避免这种情况，需要先对原始图片做边界填充处理。在上面的情况中，我们需要先把原始图像填充为9*9的尺寸。 常用的区域填充方法包括： 用3*3定义原始图像的尺寸，补充为9*9的尺寸，图片上的颜色只为方便观
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3255
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...
【深度学习】tensorflow 卷积神经网络 实现手写数字识别
12-22
在深度学习领域，卷积神经网络（Convolutional Neural Network, CNN）是处理图像识别问题的一种强大工具。在TensorFlow框架中，我们可以利用其提供的API来构建和训练CNN模型。本示例中，我们将探讨如何使用...
基于HLS的高效深度卷积神经网络FPGA实现方法1
08-03
在基于HLS（硬件描述语言）的FPGA（现场可编程门阵列）实现深度卷积神经网络（CNN）时，设计思路需兼顾硬件效率和网络的紧凑性。以下是几个关键知识点： 1.1 考虑硬件友好和网络小巧的设计思路 1.1.1 填充方式的...
卷积神经网络(CNN,ConvNet)及其原理详解
最新发布
04-18
卷积神经网络（CNN）是一种深度学习模型，特别适用于图像处理任务，但也可应用于音频、文本和其他领域。CNN的核心特性在于其利用了卷积层和池化层来提取特征和减少数据维度。 1. **局部感受野**： 局部感受野是CNN...
第四课 卷积神经网络1
08-04
卷积神经网络（Convolutional Neural Network，CNN）是深度学习中的一种常见模型，广泛应用于图像识别、目标检测、自然语言处理等领域。下面是卷积神经网络基础知识的总结： 1. 卷积计算 卷积计算是 CNN 中的一种...
从此明白了卷积神经网络（CNN）
01-27
卷积神经网络（CNN）是一种专门用于处理具有网格状结构数据，如图像的深度学习模型。它的核心思想是通过卷积层和池化层来自动提取图像特征，从而实现图像分类、目标检测等任务。 首先，让我们从卷积操作开始。在CNN...
pytorch padding='same'
07-28
pytorch使用padding='same'，只需要from padding_same_conv import Conv2d
padding卷积的两种方式“SAME”和“VALID”
阿飞CVPR
05-14 1635
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。
卷积神经网络概述
热门推荐
且听风吟的博客
08-08 3万+
目录 人类视觉原理 1整体描述 2基本理论 2.1卷积（convolution） 2.2步长（stride） 2.3填充（padding） Valid卷积 Same卷积 Full卷积 2.4三维卷积 2.5 1x1卷积 2.6偏置（bias） 2.7池化（pooling） 2.8全局池化 (Global Pooling) 2.9激活函数（activation func...
[AI, 深度学习] tensorflow中padding="SAME"和"VALID"的区别
H_O_W_E的专栏
08-11 3911
[AI, 深度学习] tensorflow中padding="SAME"和"VALID"的区别 请参考这里： https://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t 解释就是： pad
【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 4046
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。
卷积神经网络
weixin_43498449的博客
05-27 1936
目录 卷积（Convolution） 卷积计算 填充（padding） 步幅（stride） 感受野（Receptive Field） 多输入通道、多输出通道和批量操作 池化（Pooling） ReLU激活函数 批归一化（Batch Normalization） 丢弃法（Dropout） 练习：计算卷积中一共有多少次乘法和加法操作 卷积神经网络是目前计算机视觉中使用最普遍的模型结构，卷积神经网络的一些基础模块，包括： 卷积（Convolution） 池化（Pooling）
padding=“valid“和“same“的区别以及输出尺寸计算
ruyingcai666666的博客
08-22 6505
padding=valid表示without padding，padding=same表示with zero padding 设输入图像尺寸为W，卷积核尺寸为F，步幅为S，Padding使用P，则经过卷积层或池化层之后的图像尺寸为（W-F+2P）/S+1。 （1）如果参数是‘’SAME’’，那么计算只与步长有关，直接除以步长 W / S(除不尽，向上取整) （2）如果参数是‘VALID’,那么计算公式如上：(W – F + 1) / S （结果向上取整） ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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