深度学习中的padding问题研究

本文探讨了在图像处理中,当设置padding为valid和same时,图片尺寸如何变化。对于padding=same,新图片大小(N)等于原图片大小(W)除以步长(S)的向上取整。而padding=valid,则N计算为(W-卷积核/池化窗口大小(F)+1)除以步长S的向上取整。这两种方式影响着卷积或池化操作后的输出尺寸。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

研究padding = valid和same,图片大小的变化情况

1、padding = same

N=WSwhere W:原图片大小,S:Strides步长,N:现图片大小(向上取整)N=\frac{W}{S} \\ where \space W:原图片大小,S:Strides步长,N:现图片大小(向上取整) N=SWwhere W:原图片大小,S:Strides步长,N:现图片大小(向上取整)

2、padding = valid

N=W−F+1Swhere W:原图片大小,F:卷积核、池化窗口大小,S:步长,N:现图片大小(向上取整)N=\frac{W-F+1}{S} \\ where \space W:原图片大小,F:卷积核、池化窗口大小,S:步长,N:现图片大小(向上取整) N=SWF+1where W:原图片大小,F:卷积核、池化窗口大小,S:步长,N:现图片大小(向上取整)

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值