Tensorflow中两种padding方式“SAME”和“VALID”

最新推荐文章于 2021-01-18 09:39:00 发布
最新推荐文章于 2021-01-18 09:39:00 发布
阅读量182 收藏
点赞数
分类专栏： 深度学习 文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_37188294/article/details/84893019
版权
本文详细解析了卷积神经网络中same和valid两种填充方式的区别。same方式会自动根据卷积核尺寸和步长进行填充，确保输出尺寸与输入相同；而valid方式则不会进行填充，直接进行卷积操作，可能导致输出尺寸小于输入尺寸。

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

宏观理解TensorFlow中两种padding方式“SAME”和“VALID”
织席贩履之辈
05-25 473
多次被困在padding的选择上，网上有很多解释，有的说VALID就是padding=0，还有的说SAME就是维持卷积后的featuremap和卷积前的featuremap大小一样。 这些说法其实都不够准确，下面具体谈谈我的理解。 VALID的字面意思就是有效性，所以设计它的目的就是告诉卷积操作只对原图像的pixel进行卷积，如果最右边或最下边余下的pixels不能满足卷积核(stride>1)该方向的下一次滑动操作，则放弃掉该方向下一次滑动及其对应的卷积操作。具体计算公式如下： new_width
Tensorflow中conv2d的两种padding方式（SAME与VALID）选择以及与Pytorch中对比
gouchen_的博客
11-15 2561
Tensorflow和卷积中padding的一些异同，以及SAME和VALID的理解与使用
深度学习 tensorflow中的padding：valid和same
四个菜
05-03 589
1 TensorFlow给出的定义 The TensorFlow Convolution example gives an overview about the difference between SAME and VALID : For the SAME padding, the output height and width are computed as: out_height = ce...
tensorflow 中SAME
qq_39068872的博客
06-11 332
import tensorflow as tf inputs = tf.placeholder(dtype=tf.float32,shape=[1,225,225,3],name='a') output1 = tf.layers.conv2d(inputs=inputs,filters=3,kernel_size=3,strides=2,padding='SAME') output11 = tf....
深度学习之语义分割unet算法解读
ZONGXP的博客
01-18 2万+
https://www.jianshu.com/p/14641b79a672
UNET详解和UNET++介绍（零基础）
浩瀚之水的专栏
11-12 4万+
一·背景介绍 背景介绍： 自2015年以来，在生物医学图像分割领域，U-Net得到了广泛的应用，目前已达到四千多次引用。至今，U-Net已经有了很多变体。目前已有许多新的卷积神经网络设计方式，但很多仍延续了U-Net的核心思想，加入了新的模块或者融入其他设计理念。 编码和解码，早在2006年就发表在了nature上.当时这个结构提出的主要作用并不是分割，而是压缩图像和去噪声.后来把这个思路被用在了图像分割的问题上，也就是现在我们看到的FCN或者U-Net结构，在它被提出的三年中，有很多很多的论文
TensorFlow中padding卷积的两种方式“SAME”和“VALID”
热门推荐
syyyy712的博客
05-10 6万+
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是5*5*3，过滤器是3*3*3，padding设置的值是SAME，所以我一开始预想的是...
padding卷积的两种方式“SAME”和“VALID”
简简单单
03-26 1万+
conv2d是常用的实现卷积的，Tensorflow调用Conv的api时，常用代码如下： 查看：https://tensorflow.google.cn/api_docs/python/tf/nn/conv2d tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True,...
Tensorflow2.* keras padding=valid or same ZeroPadding 边界填充设置
Forrest97的博客
05-19 1186
目录边界填充目的计算公式layers.ZeroPadding2Dpadding='valid' or 'same''valid''same' 边界填充目的 在卷积操作中有效控制特征层的size 计算公式 h'=|(h+p-k)/s| +1 其中， h’表示卷积后特征层的高 p表示上下填充的行数 k表示卷积核在高度方向上的大小 s表示滑动补上 | |表示取整 同理可得到 w’=|(w+p-k)/s| +1 layers.ZeroPadding2D layers.ZeroPadding2D可以定义padding
【tensorflow学习】卷积和池化中padding的“SAME”方式理解
weixin_43975801的博客
02-21 1097
参考自： 参考博客 文中例子很详细，但是最后总结的公式错误。 用一维数据描述padding过程： 原数据：1 2 3 4 5 6 7 8 9 ... N 卷积核：|====| k |--|====| s 原数据长度为N。 卷积核范围用=号表示，长k。 步长用–表示，长s。 设padding=p,则新数据长度： M =1 + floor( (N+p...
CNN中两种padding方式VALID和SAME
qzlicn的博客
09-04 2772
Valid卷积意味着不填充，这样的话，如果你有一个n×n的图像，用一个f×f的过滤器卷积，它将会给你一个(n-f+1)×(n-f+1)维的输出。 Same卷积，那意味你填充后，你的输出大小和输入大小是一样的。根据这个公式n-f+1，当你填充p个像素点，n就变成了n+2p，最后公式变为n+2p-f+1。因此如果你有一个n×n的图像，用p个像素填充边缘，输出的大小就是这样的(n+2p-f+1)×(n...
pytorch的padding的理解和操作
qxqsunshine的博客
01-13 3万+
1  padding 的操作就是在图像块的周围加上格子, 从而使得图像经过卷积过后大小不会变化,这种操作是使得图像的边缘数据也能被利用到,这样才能更好地扩张整张图像的边缘特征. 公式表示如下: 2   卷积核中size的选择可能会导致input中的某几行(或者最后 几行)没有关联起来,这个可能是因为我们使用的模式是valid,而不是full(tensorflow中也叫做same模式,不过这...
理解卷积中的valid和same以及在卷积函数tensorflow中的使用
zgj_gutou的博客
01-18 4063
关于padding的一些要点 padding主要是防止丢掉图像边缘位置的许多信息。如果不用padding，会导致1、很明显，图像中间位置的数据会参与更多的运算，而边缘位置的数据参与运算的次数比中间位置的数据少。2、每一步卷积图像都会缩小，如果网络层数很多的话，那么图像最后会很小。 所以根据自己需要可以在卷积之前进行padding。padding的意思即填充边缘，扩大边缘，也就是Same卷积。而Va...
padding填充same 和valid两种方式
weixin_39454351的博客
03-08 1万+
卷积操作会使图像变小，为了图像卷积后大小不变，需要填充0，我一直以为只要padding=‘same’,卷积后大小就不变，现在发现应该不对劲。W 表示图片大小，F表示卷积核大小，S表示stride 当stride=[1,1,1,1]时，padding = ‘same’卷积操作后图片大小不变，需要填充0,；padding=‘valid’情况下，图片大小变为new_height = new_width...
padding参数为 SAME 和 VALID 的区别
独钓寒江雪
09-20 7447
https://blog.youkuaiyun.com/wuguangbin1230/article/details/79218593 https://blog.youkuaiyun.com/jiandanjinxin/article/details/77519629 https://blog.youkuaiyun.com/wuzqchom/article/details/74785643 不同的padding方式,VALID...
神经网络中padding的两种方式“SAME”和“VALID”
smiling614的博客
01-23 6118
1.padding=‘SAME‘         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动两步之后，VALID方式发现余下的窗口不到2×2所以直接将第三列舍弃，而SAME方式并不会把多出的一列丢弃，但是只有一列了就填充一列0 2.1.padding=‘VALID’         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动...
Tensorflow中CNN采用padding='same'时补零位置、卷积核位置
Kenn7的博客
12-08 7685
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...
TensorFlow学习－－SAME与VALID区别
akadiao的博客
03-09 4139
在CNN中的卷积层或池化层，涉及到padding方式的选择，即对应tensorflow中tf.nn.conv2d()与tf.nn.max_pool()中padding的参数选择． padding = ‘VALID’ 时，没有填充．因此输出的size总比原图的size小. 如图，3*3的模板作用在7*7的图像上，当步长/stride为1时： 由于没有填充，最终得到的就是虚线中的灰色区域即5*5
tensorflow padding
04-06
padding通常有两种方式：“SAME”和“VALID”，“SAME”表示采用零填充进行padding，保证输出值的大小和输入值相同，“VALID”表示不进行padding。 使用padding可以增加网络对边缘信息的感知性，对网络输出结果的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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