【TensorFlow】卷积、池化中参数padding的两种形式“SAME”和“VALID”

最新推荐文章于 2022-11-15 16:53:34 发布

xgyyxs

最新推荐文章于 2022-11-15 16:53:34 发布

阅读量660

点赞数

分类专栏： TensorFlow函数&参数解析文章标签： padding padding='VALID' padding='SAME'

本文链接：https://blog.csdn.net/xgyyxs/article/details/102642255

版权

TensorFlow函数&参数解析专栏收录该内容

2 篇文章 0 订阅

订阅专栏

import tensorflow as tf

x = tf.constant([[1., 2., 3.,4., 5., 6.,7.,8.,9.],
                 [1., 2., 3.,4., 5., 6.,7.,8.,9.],
                 [1., 2., 3.,4., 5., 6.,7.,8.,9.],])
x = tf.reshape(x, [1, 3, 9, 1])  # give a shape accepted by tf.nn.max_pool

valid_pad = tf.nn.max_pool(x, [1, 3, 3, 1], [1, 1, 1, 1], padding='VALID')
same_pad = tf.nn.max_pool(x, [1, 3, 3, 1], [1, 1, 1, 1], padding='SAME')
average_pad = tf.nn.avg_pool(x, [1, 3, 3, 1], [1, 1, 1, 1], padding='SAME')

print(valid_pad.get_shape())
print(same_pad.get_shape())

输出结果为：
(1, 1, 7, 1)
(1, 3, 9, 1)
从结果可以看出，若 padding=‘VALID’，则采用以下计算公式、 $newwidth=[\frac{oldwidth–filterwidth+1}{step}]$
若 padding=‘SAME’，则采用以下计算公式、
$newwidth=[\frac{oldwidth}{step}]$

下面看一下在padding='SAME’时，是怎样对输入x怎样填充的。

with tf.Session() as sess:
     print(sess.run(average_pad))

输出结果为：
[[[[ 1.5] [ 2. ] [ 3. ] [ 4. ] [ 5. ] [ 6. ] [ 7. ] [ 8. ] [ 8.5]]
[[ 1.5] [ 2. ] [ 3. ] [ 4. ] [ 5. ] [ 6. ] [ 7. ] [ 8. ] [ 8.5]]
[[ 1.5] [ 2. ] [ 3. ] [ 4. ] [ 5. ] [ 6. ] [ 7. ] [ 8. ] [ 8.5]]]]

在这里插入图片描述
$1.5=\frac{1+1+2+2}{4}$

$8.5=\frac{8+8+9+9}{4}$
分母并不包含填充边界，只是本步池化所包含原始数据的个数