PADDING=‘SAME’ or‘VALID’

最新推荐文章于 2022-12-05 21:23:30 发布
最新推荐文章于 2022-12-05 21:23:30 发布
阅读量1.5k 收藏 3
点赞数 2
CC 4.0 BY-SA版权
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/qq_41044525/article/details/83344515
本文详细解析了Keras中卷积层的两种padding策略：“valid”与“same”。'valid'仅对图像中与卷积层完全对齐的部分进行操作，而'same'通过在输入边界添加填充，确保输出形状与输入形状一致。文章通过一维和二维示例，清晰阐述了这两种策略的区别。

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

在使用Keras的时候会遇到这样的代码x = Conv2D(filters, kernel_size=5, strides=2, padding='same')(x)，与pytorch不同，keras和TensorFlow设置卷积层的过程中可以设置padding参数，vaild和same。“valid”代表只进行有效的卷积，对边界数据不处理。“same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同。

分析

那vaild和same有什么区别，两者本质区别就是padding过程中采取的策略不同。

《深度学习-TF、keras两种padding方式：vaild和same》

“valid”

valid即只对图像中像素点“恰好”与卷积层对齐的部分进行卷积。上图中一维演示中输入宽度为13，卷积宽度为6，每次前进5格，当进行到（12、13）的时候因为每次步伐为5，5>2，所以（12、13）就不进行卷积了，舍弃了最右边的这两个数。

“same”

same则不同，尽可能对原始的输入左右两边进行padding从而使卷积核刚好全部覆盖所有输入，当进行padding后如果输入的宽度为奇数则会在右边再padding一下（如上图15+1=16，右边两个pad，左边一个pad）。

上面是按照1D的形式来进行讲解的，2D的形式原理也相同。

valid:

  \[ Output\_height = Output\_width =\lceil \frac{ (W - F + 1)} { S} \rceil \]

same:

  \[ Output\_height = Output\_width =\lceil \frac{ W } { S}\rceil \]

其中W为输入的宽度、F为卷积filter的size，S为步长（Stride）。

iFADA
关注
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 1215
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
pytorch padding='same'
07-28
pytorch使用padding='same'，只需要from padding_same_conv import Conv2d
关于padding=’same’/’valid’
兰钧的博客
09-09 9117
设成same会自动加padding，保证输出是同样的大小。 padding = same，是指输出图像要和输入一样，至于padding是多少，是推断出来的。 可以这样理解，输出就是输入/步长，其他的padding工作API会帮你做。 输出size = （输入size-kernel size-2P）/ stride +1 padding除不尽的时候，比如2p = 1, 那么就在一边加1，一...
TensorFlow中padding=‘SAME’的具体实现（Conv1D一维卷积）
crystal_sugar的博客
04-30 6588
https://blog.youkuaiyun.com/zyl681327/article/details/95587655?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2&utm_source=distribute.pc_relevant.none-task-blog...
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3497
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553，过滤器是333，padding设置的值是SAME，所以我一开始预想的是输出557（有7个过...
Tensorflow 中padding 的“SAME” 和“VALID” 详解
TongLau的博客
07-10 1563
这里写自定义目录标题Tensorflow 中padding 的“SAME” 和“VALID” 详解“SAME”“VALID”总结 Tensorflow 中padding 的“SAME” 和“VALID” 详解 最近在准备复习找工作，边实习边耍牛客网，然后刷到vivo校招的题目，里面有一个神经网络参数的计算，由于我之前一直迷迷糊糊，所以打算好好了解一下，所以就使用tensorflow 来详细了解co...
对于具有步进的卷积操作，出现 ValueError: padding='same' 不被支持的情况，如何解决这个问题？
12-25
padding='valid') # use 'valid' initially output_shape = conv_layer.output_shape[1:] # assuming input_shape[:2] is (height, width) if output_shape != input_shape[1:]: # If necessary, add the ...
def conv2d(input_, output_dim, k_h=5, k_w=5, d_h=2, d_w=2, stddev=0.02, # 标准差0.02 #卷积核大小和步长 name="conv2d", padding='REFLECT'): with tf.variable_scope(name): # reflect padding反射填充 if padding == 'REFLECT': in_height, in_width = input_.get_shape().as_list()[1:3] #从形状元组中获取索引为 1 和 2 的维度大小，即高度和宽度。 if (in_height % d_h == 0): pad_along_height = max(k_h - d_h, 0) else: pad_along_height = max(k_h - (in_height % d_h), 0) if (in_width % d_w == 0): pad_along_width = max(k_w - d_w, 0) else: pad_along_width = max(k_w - (in_width % d_w), 0) #算出宽度和高度可填充像素数 pad_top = pad_along_height // 2 pad_bottom = pad_along_height - pad_top pad_left = pad_along_width // 2 pad_right = pad_along_width - pad_left #可填充像素上下分配 input_ = tf.pad(input_, [[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]], "REFLECT")#按上述参数进行反射填充 padding = 'VALID' #不进行额外填充 w = tf.get_variable('w', [k_h, k_w, input_.get_shape()[-1], output_dim], #卷积核高度宽度，输入通道数，输出通道数 initializer=tf.truncated_normal_initializer(stddev=stddev))#使用了截断正态分布初始化器（truncated normal initializer） conv = tf.nn.conv2d(input_, w, strides=[1, d_h, d_w, 1], padding=padding) #进行二维卷积操作 biases = tf.get_variable('biases', [output_dim], initializer=tf.constant_initializer(0.0)) #创建一个可训练变量，初始化偏执为0.0 # conv = tf.reshape(tf.nn.bias_add(conv, biases), conv.get_shape()) conv = tf.nn.bias_add(conv, biases) return conv在这个卷积层定义中加入膨胀卷积
最新发布
03-19
例如，如果padding参数设置为'SAME'，则TensorFlow会自动计算填充，但在这个函数中，当padding='REFLECT'时，会先进行反射填充，然后将padding设为'VALID'，这样后续的卷积操作不会再填充。 所以，如果用户希望在...
TensorFlow之卷积神经网络
qq_40298054的博客
09-21 1523
一、概念 卷积可以认为是一种有效提取图像特征的方法。 一般会用一个正方形的 卷积核，按指定步长，在输入特征图上滑动，遍历输入特征图中的每个像素点。每一个步长， 卷积核会与输入特征图出现重合区域，重合区域对应元素相乘、求和再加上偏置项得到输出 特征的一个像素点。 卷积核通道数与输入特征的通道数一致。 卷积核的个数决定输出特征图的深度。 感受野：卷积神经网络各输出层每个像素点在原始图像上 的映射区域大小 全零填充（padding）：为了保持输出图像尺寸与输入图像一致，经常会在输入图像 周围进行全
基于pytorch padding=SAME的解决方式
09-17
今天小编就为大家分享一篇基于pytorch padding=SAME的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
padding：SAME or VALID？
xiaofeixia002X的博客
12-05 254
padding：SAME or VALID？
tf.nn.conv2d中padding=same规则介绍
theadore2017的博客
07-09 9036
转自：https://blog.youkuaiyun.com/zuoyouzouzou/article/details/101871895 文章来源：《深度学习之TensorFlow：入门、原理与进阶实战》 padding属性的意义是定义元素边框和元素内容之间的空间。 在tf.nn.conv2d函数中，当变量padding为VALID和SAME，函数具体是怎么计算的呢？其实是有公式的。为了方便演示，先定义几个变量： 输入的尺寸高和宽定义成：in_height，in_width 卷积核的高和宽定义成filter
当padding为“SAME” 和 “VALID”卷积层输出尺寸的大小的计算
穿拖鞋的都是大佬
10-15 3599
我们32323的图像，用553的卷积核在图像上滑过 计算如图所示（多通道图计算请自行脑补）： 卷积之后的尺寸大小计算公式为： 其中：输入图片大小 W×W Filter大小 F×F 步长strides S padding的像素数 P 输出大小为NxN 在实际操作时，我们还会碰到 padding的两种方式 “SAME” 和 “VALID”，padding = “SAME”时，会在图像的周围填 “0”，padding = “VALID”则不需要，即 P=0。一般会选“SAME”，以来减缓图像变小的速度，二
神经网络中padding的两种方式“SAME”和“VALID”
smiling614的博客
01-23 6148
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...
卷积操作中的 SAME padding 理解
热门推荐
David_jiahuan的博客
03-07 1万+
公式： 个人理解： 如果卷积时，设置padding的属性值是 SAME ，则表示【输出层尺寸 =输入层尺寸】，此时我们就可以根据上面的公式来反推出padding的值（也就是 P的值）！ 例子： ...
Tensorflow中CNN采用padding='same'时补零位置、卷积核位置
Kenn7的博客
12-08 7714
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...
The `padding` argument must be a list/tuple or one of “valid“
weixin_44439003的博客
06-27 508
layers.Conv2D（）调用时出现的问题
卷积神经网络CNN中padding：same／valid
weixin_41939940的博客
01-14 1190
卷积神经网络CNN中padding：same／valid记录问题padding介绍计算公式参考链接 记录问题 查阅了部分资料，记录了个人对于padding的一些理解，若有不对请指正。文末附上参考链接，非常感谢文章作者！ padding介绍 处理图像时，根据参数判定是否给图像周围加零，需要加的具体圈数视情况而定。 padding=“SAME”：剩余块不足卷积核大小时进行补零 padding=“VAL...
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