【tensorflow学习】卷积和池化中padding的“SAME”方式理解

最新推荐文章于 2023-03-11 11:35:40 发布
最新推荐文章于 2023-03-11 11:35:40 发布
阅读量971 收藏
点赞数
分类专栏： tensorflow学习笔记 文章标签： 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/weixin_43975801/article/details/104395097
版权
本文详细解释了在TensorFlow中卷积和池化操作中"SAME" padding的原理。介绍了如何计算padding的数量以确保输出尺寸与输入尺寸相同，特别强调了只有在stride=1时，卷积后的shape才保持不变。同时纠正了关于卷积后长度的错误公式，并提供了正确计算padding的方法。总结了当padding为偶数或奇数时，如何分配到两侧的规则。
摘要由CSDN通过智能技术生成

参考自：
参考博客
文中例子很详细，但是最后总结的公式错误。
用一维数据描述padding过程：

原数据：1 2 3 4 5 6 7 8 9 ... i
卷积核：|====|
          k
       |--|====|
        s

原数据长度为i。
卷积核范围用=号表示，长k。
步长用–表示，长s。
设padding=p,则新数据长度：

o = 1 + floor( (i+p-k)/s )		（1）

两种padding方式

最低0.47元/天 解锁文章
不懂硬件的程序猿不是好Gamer
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python（TensorFlow、PyTorch）中的小问题
yimingen的博客
08-09 1002
1、tensorflow中padding = ‘same’ ：核移动时 ，same就是填充0到成为满足整除的列数/行数，而valid则是丢弃直到满足整除 【注】只有当stride 为1时，padding = ‘same’才会保证图片输出大小和输入大小相同 padding填充same 和valid两种方式 tf中的padding方式SAME和VALID有什么区别? TensorFlow中CN...
tensorflow中卷积方式SAME和VALID特征图大小计算
牧野的博客
09-02 6945
卷积方式SAME后特征图大小计算 卷积方式： SAME（卷积后的特征图大小跟卷积核大小无关，只跟卷积所用的步长有关，当卷积步长是1时，卷积前后特征图大小保持不变） 输入特征图大小：W×H 卷积核大小： k×k 卷积步长： s×s 输出特征图大小： W1×H1 W1 = math.ceil(W / s) H1 = math.ceil(H / s) 其中math.ceil()是向上取整 卷积方...
关于padding=’same’/’valid’
兰钧的博客
09-09 8501
设成same会自动加padding，保证输出是同样的大小。 padding = same，是指输出图像要和输入一样，至于padding是多少，是推断出来的。 可以这样理解，输出就是输入/步长，其他的padding工作API会帮你做。 输出size = （输入size-kernel size-2P）/ stride +1 padding除不尽的时候，比如2p = 1, 那么就在一边加1，一...
padding=“valid“和“same“的区别以及输出尺寸计算
ruyingcai666666的博客
08-22 6647
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） ...
pytorch 卷积填充“same”实现（附代码） Conv1d Conv2d
goodgoodstudy___的博客
12-09 3231
参考：pytorch 卷积填充“same”实现（附代码） import torch.utils.data from torch.nn import functional as F import math import torch from torch.nn.parameter import Parameter from torch.nn.functional import pad from torch.nn.modules import Module from torch.nn.modules.util
用pytorch实现tensorflow卷积中的SAME padding
weixin_43820848的博客
09-11 1876
class SamePad2d(nn.Module): """Mimics tensorflow's 'SAME' padding. """ def __init__(self, kernel_size, stride): super(SamePad2d, self).__init__() self.kernel_size = torch....
TensorFlow keras卷积神经网络 添加L2正则化方式
09-16
在深度学习领域，正则化是一种非常重要的技术，用于防止模型过拟合，提高模型的泛化能力。本文将详细探讨如何在TensorFlow Keras框架中为卷积神经网络（CNN）添加L2正则化。 L2正则化是通过在损失函数中添加权重...
基于pytorch padding=SAME的解决方式
09-17
首先，理解`padding='SAME'`的含义：在卷积操作中，如果设置`padding='SAME'`，那么卷积后的输出特征图的宽度（W_out）和高度（H_out）将与输入特征图的宽度（W_in）和高度（H_in）相同。为了达到这一目标，需要在...
TensorFlow实现卷积神经网络CNN
09-20
在实现CNN的过程中，如何选择卷积核的大小、深度（即卷积核数量）、步长（strides）和填充模式（padding）是关键。步长决定了卷积操作每次移动的距离，而填充模式通常用来控制输入数据的尺寸，常见的有“SAME”...
Tensorflow实现卷积神经网络的详细代码
09-20
总之，TensorFlow提供了一种灵活的方式来构建和训练卷积神经网络，通过组合卷积层、池化层以及其他层，我们可以创建复杂模型来解决图像识别和其他视觉任务。在实际项目中，通常需要根据任务需求调整网络结构和超参数...
卷积操作中的 SAME padding 理解
David_jiahuan的博客
03-07 1万+
公式： 个人理解： 如果卷积时，设置padding的属性值是 SAME ，则表示【输出层尺寸 =输入层尺寸】，此时我们就可以根据上面的公式来反推出padding的值（也就是 P的值）！ 例子： ...
神经网络的计算及paddding为same和valid区别
weixin_42732240的博客
04-08 2667
tensorflow下的程序，很多都是采用padding='SAME'，因此如何计算经过卷积操作以后输出层的尺寸，这个时候就要涉及到padding了。 卷积操作以后out=（input+2padding-kernel）/stride+1 *******************************************************************************...
Tensorflow 中padding 的“SAME” 和“VALID” 详解
TongLau的博客
07-10 1463
这里写自定义目录标题Tensorflow 中padding 的“SAME” 和“VALID” 详解“SAME”“VALID”总结 Tensorflow 中padding 的“SAME” 和“VALID” 详解 最近在准备复习找工作，边实习边耍牛客网，然后刷到vivo校招的题目，里面有一个神经网络参数的计算，由于我之前一直迷迷糊糊，所以打算好好了解一下，所以就使用tensorflow 来详细了解co...
卷积神经网络中的padding理解
ximu__l的博客
03-11 2384
关于神经网络中的padding
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3287
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...
padding='SAME'和'VALID'的区别
热门推荐
sunny crazy
08-05 2万+
In this example: Input width = 13 Filter width = 6 Stride = 5 Notes: "VALID" only ever drops the right-most columns (or bottom-most rows). "SAME" tries to pad evenly left and right, but if the ...
padding参数中的SAME和VALID
qq_38896190的博客
07-30 780
在keras和TensorFlow的卷积层中，存在padding参数，可设置为vaild和same 二者区别： “valid”代表只进行有效的卷积，对边界数据不处理。 “same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同 ...
tensorflow实现卷积神经网络代码
最新发布
06-11
以下是一个使用TensorFlow实现卷积神经网络的示例代码： ``` python import tensorflow as tf # 定义输入和输出 input = tf.placeholder(dtype=tf.float32, shape=[None, 28, 28, 1]) output = tf.placeholder(dtype=tf.float32, shape=[None, 10]) # 定义卷积层 conv1 = tf.layers.conv2d(inputs=input, filters=32, kernel_size=[5, 5], padding="same", activation=tf.nn.relu) # 定义池化层 pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2) # 定义第二个卷积和池化层 conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[5, 5], padding="same", activation=tf.nn.relu) pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2) # 将卷积和池化层输出扁平化 flatten = tf.layers.flatten(inputs=pool2) # 定义全连接层 fc1 = tf.layers.dense(inputs=flatten, units=1024, activation=tf.nn.relu) # 添加dropout层，以防止过拟合 dropout = tf.layers.dropout(inputs=fc1, rate=0.4) # 定义输出层 logits = tf.layers.dense(inputs=dropout, units=10) # 定义损失函数和优化器 loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=logits, labels=output)) optimizer = tf.train.AdamOptimizer().minimize(loss) # 训练模型 with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for i in range(num_epochs): # 在这里添加代码以将数据馈送到模型中，执行训练操作，并计算损失 ``` 请注意，这只是一个示例代码，并且需要根据您的具体问题和数据进行修改。
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