nn.conv2d中的参数SAME和VALID

本文详细解析了卷积神经网络中Padding的作用及其在'Valid'和'Same'模式下的工作原理。通过实例说明了如何使用Padding处理输入数据,确保输出大小与输入一致,或按需求调整输出尺寸。

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

原文链接:

https://blog.youkuaiyun.com/jasonzzj/article/details/53930074

http://blog.sina.com.cn/s/blog_53dd83fd0102x356.html

 

 

定义: 

Padding在卷积(convolution)和池化(pooling)中都会被用到。在tensorflow比如tf.nn.conv2d,tf.nn.max_pool都有这参数

 

Valid: 用过滤器在输入的矩阵中按步长移动时候,会把最后的不足部分的列和行抛弃;

Same: 先在输入矩阵上下各加个值为0的行,在左右各加个个值为0的列,也就是用0把原先的矩阵包裹一层,然后在移动的时候如果输入矩阵的列或者行长度不够,就用0来补齐

 

例子

看例子比较实际:
            以一维向量做例子

            输入(input)长度:13

            过滤器(Filter)长度:6

            步长(Stride)长度:5

 

 "VALID" = 不会增加padding:

   inputs: 1  2  3  4  5  6  7  8  9  10 11 (12 13)

               |_____________|                        (抛弃不要)

                                    |______________|

 

"SAME" = 会用0来做padding (如果步长是1的话,最终输出和输入一样大小):

           pad|                                                         |Pad

   inputs: 0|  1  2  3  4  5  6  7  8  9  10 11 12 13 |0  0

               |_____________|                   

                                    |______________|

                                                          |_______________|

Notes:

  • "VALID" 会但只会抛弃最右边的列或者是最下面的行.
  • "SAME" 水平方向首先会在左右各加一个零,如果最后不够的话,会在右边再加零补齐,以满足最后一次完整的移动。对于垂直方向也是同理。

 

最终输出的行列数计算方法

SAME:

  • out_height = ceil(float(in_height) / float(strides[1]))

    out_width = ceil(float(in_width) / float(strides[2]))

VALID:

  • out_height = ceil(float(in_height - filter_height + 1) / float(strides1))

    out_width = ceil(float(in_width - filter_width + 1) / float(strides[2]))

 

评论
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