tensorflow中padding規則

在tf.nn.conv2d函數中，padding能夠選擇VALID和SAME兩種模式，兩種模式獲得的卷積輸出尺寸計算方式不一樣。

• 輸入尺寸高和寬：in_height、in_width
• 卷積核的高和寬：filter_height、filter_width
• 輸出尺寸高和寬：output_height、output_width
• 步長移動高和寬：strides_height、strides_width

一、當padding=VALID

輸出寬和高計算公式爲：

output_height=(in_height-filter_height+1)/strides_height（結果向上取整）

output_width=(in_width-filter_width+1)/strides_width（結果向上取整）

二、當padding=SAME

此時須要進行補零

output_height=in_height/strides_height（結果向上取整）

output_width=in_width/strides_width（結果向上取整）

補零的參數

pad_height = max((out_height - 1) x strides_height + filter_height - in_height, 0)（高度方向填充0的行數）

pad_width = max((out_width - 1) x strides_width + filter_width - in_width, 0)（寬度方向填充0的列數）

pad_top = pad_height / 2（上方向填充0的行數，向下取整）

pad_bottom = pad_height - pad_top（下方向填充0的行數）

pad_left = pad_width / 2（左方向填充0的列數，向下取整）

pad_right = pad_width - pad_left（右方向填充0的列數）

三、舉例

輸入爲13x1的一維矩陣，filter爲6x1，步長爲5

 

當padding=VALID

output_width=(13-6+1)/5=2（向上取整）

因此計算時捨棄了最後兩個值

 

當padding=SAME

output_width=13/5=3（向上取整）

 pad_width = max((3 - 1) x 5 + 6 - 13, 1) = 3

pad_left = pad_width / 2 = 3 / 2 = 1 （向下取整）

pad_right = pad_width - pad_left = 2

因此左邊補一個0，右邊補兩個0