TensorFlow—基础：卷积操作conv2d中的padding方式：SAME与VALID

XY_MV

于 2019-01-17 20:14:30 发布

阅读量2k

点赞数 1

分类专栏： TensorFlow学习

本文链接：https://blog.youkuaiyun.com/w782373711/article/details/86530478

版权

TensorFlow学习专栏收录该内容

2 篇文章

订阅专栏

本文详细解析了TensorFlow中tf.nn.conv2d函数的使用，包括padding参数的两种模式SAME和VALID的区别，以及strides参数的具体含义。SAME模式下会自动边界填充，满足卷积条件；VALID模式下会自动抛弃剩余部分。strides参数决定了卷积过程中的步长。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf卷积函数：

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

padding参数有两种模式：SAME和VALID

SAME与VALID模式的区别：在卷积时，如果input与filter卷积时存在残余行列时，VALID模式下会自动抛弃剩下没有卷积内容，而SAME模式下会自动边界填充，边界外填充0，满足卷积条件。

strides参数：strides参数为[1,height,width,1]