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&