Tensorflow中CNN采用padding='same'时补零位置、卷积核位置

首先关于padding='same'的理解请参考TensorFlow中CNN的两种padding方式“SAME”和“VALID”

那么问题是，在采用padding='same'补零时，补零位置怎样分配？卷积核kernel的位置又在哪呢（与数据点如何对应）？

太长不看传送门：结论

（tensorflow version1.11.0）

---

数据长度为4，卷积核长度为3，步长为1，采用padding='same'补零时：

第一种可能——在数据末尾（或前端）补零，卷积核首位对应数据点

第二种可能——在数据两端补零，卷积核中心点对应数据点

import tensorflow as tf

inputs = tf.constant([1, 2, 3, 4], tf.float32)
inputs = tf.reshape(inputs, [1, 4, 1])

cnn = tf.layers.conv1d(
    inputs=inputs,
    filters=1,
    kernel_size=3,
    strides=1,
    padding='same',
    kernel_initializer='ones'
)
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    output = sess.run(cnn)
    print(output.reshape(-1))

设计一个实验，数据为[1, 2, 3, 4]， 指定卷积核为[1, 1, 1]

结果是：

3 = 1*0+1*1+1*2，6=1*1+1*2+1*3，9=1*2+1*3+1*4，7=1*3+1*4+1*0

说明是在数据两端补零，卷积核中心点对应数据点。

---

数据长度为4，卷积核长度为2，步长为1，采用padding='same'补零时：

第一种可能：在数据末尾补零，卷积核首位对应数据点

第二种可能：在数据前端补零，卷积核末位对应数据点

import tensorflow as tf

inputs = tf.constant([1, 2, 3, 4], tf.float32)
inputs = tf.reshape(inputs, [1, 4, 1])

cnn = tf.layers.conv1d(
    inputs=inputs,
    filters=1,
    kernel_size=2,
    strides=1,
    padding='same',
    kernel_initializer='ones'
)
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    output = sess.run(cnn)
    print(output.reshape(-1))

设计一个实验，数据为[1, 2, 3, 4]， 指定卷积核为[1, 1]

结果是：

3=1*1+1*2，5=1*2+1*3，7=1*3+1*4，4=1*4+1*0

说明是在数据末尾补零，卷积核首位对应数据点。

---

！！！但是在实际中，情况更为复杂，请参考下面的结论：

---

结论

Tensorflow使用这种方式，可以最大程度地使卷积核中心点对应数据点。