keras之padding=same具体实现

在keras中，之前只是从理论上了解了padding=same的原理，并没有自己尝试写出这个功能，当自己尝试写出这一过程时，发现我在理论上的理解与实际的实现有一定的差异，所以写出这篇博客，记录下自己写的过程中发现的一些细节偏差。（注，由于我做的工作使用的是一维数据，不是图片这种二维数据，故下面都是以一维数据为例记录说明）

padding的作用

首先重复下padding的作用：对于一个样本数据，假设是1*n的向量，若对这个向量不做任何处理，直接对其进行卷积运算，那么得到的必然是1*n₁的向量(其中n₁<n)。
通过padding选择valid或same，我们可以使得到的向量要么是1*n₁的向量，要么是1*n的向量。padding的作用就是选择卷积结果的shape。

padding=same的扩长

要扩长补零的原因：对于一个样本，一个卷积核一次卷积运算后得一个数，那么通过步长移动卷积核，则对输入数据进行m次卷积运算，可以得到m个数据。若想要输出结果和输入数据的长度一样为L₀，那么就得保证刚好能进行L₀次卷积运算。输入数据不扩长，是不能得到与输入数据等长的结果。

当padding=same时，要想使卷积输出与输入保持相同的shape，那么要在卷积运算之前对输入数据进行扩长补零。那么该补多少个零？补在什么位置？

对于扩长至多少，我并没有网上查，而是自己推测，并对推测结果进行验证，最终的结果如下：
L₁=(L₀-1)*strides+kerner_size
其中L₀ 是输入的一维数据长度，L₁是扩长后的数据长度，strides是卷积核步长，kernel_size是卷积核长度(数据是一维的，卷积核也是)。

如下图所示，以输入数据长5，卷积核长3，步长为2为例进行说明。

补零位置

可能是我搜索的原因，我在网络上查到结果是，二维数据补一圈零(但是我的是一维数据，不能用)，或者是末尾补零(我试了，卷积运算结果不对)。最后只能是我自己使用试探法试探了，试探的结果是：均匀补零。

均匀补零就是输入数据占据中间位置，其前后留下的相同空位补零。以输入数据长度为50，卷积核长度为10，步长为1，进行说明，其他情况类推：我们可以算出补长至59，输入数据占据中间50个位置，还剩9个空位补零，那么这就有个小问题，9不是偶数，这50个数前面是4还是5个零？我试探的答案是4，即50个输入数据前面补4个零，后面补5个零。对于偶数个补零位，当然是前后各一半了。