keras 中padding 的 same，valid 的两种方式以及验证

keras 中padding 的 same，valid 的两种方式以及验证

输入数据
input_shape = (批量，高，宽，通道)

import numpy as np
import tensorflow as tf
input_shape = (1, 4, 4, 1)
x = np.arange(np.prod(input_shape)).reshape(input_shape).astype(np.float64)

（1）构建 padding= “same” 的卷积层并计算

initializer = tf.keras.initializers.Constant(2.)
y = tf.keras.layers.Conv2D(1, 4, strides=(3,3),input_shape=input_shape[1:], kernel_initializer=initializer, padding= "same")(x)

输出y 和 x

y
Out[16]: 
<tf.Tensor: shape=(1, 2, 2, 1), dtype=float32, numpy=
array([[[[ 90.],
         [ 78.]],

        [[132.],
         [100.]]]], dtype=float32)>
x
Out[17]: 
array([[[[ 0.],
         [ 1.],
         [ 2.],
         [ 3.]],

        [[ 4.],
         [ 5.],
         [ 6.],
         [ 7.]],

        [[ 8.],
         [ 9.],
         [10.],
         [11.]],

        [[12.],
         [13.],
         [14.],
         [15.]]]])

总结：
一共需要填充三行三列的0
计算y[1][0][0][1]：（0+1+2+4+5+6+8+9+10）*2 = 90； 左上侧填充一行一列
计算y[1][1][1][1]：（10+11+14+15）*2 = 100； 右下侧填充两行两列

（2）构建 padding= “valid” 的卷积层并计算，改变步长 strides=(3,3)

y = tf.keras.layers.Conv2D(1, 2, strides=(3,3),input_shape=input_shape[1:], kernel_initializer=initializer, padding= "valid")(x)

输出 y

y
Out[21]: <tf.Tensor: shape=(1, 1, 1, 1), dtype=float32, numpy=array([[[[20.]]]], dtype=float32)>

总结：
padding= “valid” 的时候剔除边界像素在右下方