本文深入探讨了在使用TensorFlow进行卷积神经网络计算时，针对输入尺寸无法被步长整除的情况，如何处理填充(padding)问题。具体分析了在特定参数设置下，如输入尺寸n为10，填充p为2，滤波器尺寸f为3，步长s为2时，TensorFlow是如何通过在一侧进行填充来解决这一问题的。
正常情况：
output size = [(n+2p-f)/s]+1
n: input size, p:padding, f: filter size, s: stride
有时输入图片无法被stride整除，例如：
n = 10, p = 2, f = 3, s =2
此时 (10+2-3)/2无法整除，查看博客，发现tensorflow中遇到此情况会padding其中一侧，而不是padding左右上下全部。这样padding就是1了。
参考博客如下：
Tensorflow池化操作中的padding细节探究
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
