tensorflow conv2d的填充策略是什么?

我跟着你的问题和答案走 stackoverflow

然而,我仍然对这个问题感到困惑 起始索引 和 填充策略 属于 tf。nn。conv2d 在我做了以下测试之后,希望有人能给我一个线索,尤其是关于 古怪的 和 即使 跨步

数组高度(h)、内核大小(f)、步幅数(s)

h,f,s = 4,3,2 

矩阵左栏(pl)上的填充数字右栏(pr)上的填充 十、

pl = int((f-1)/2)                           
pr = int(np.ceil((f-1)/2))                  

tf.reset_default_graph()
x = np.arange(1*h*h*1).reshape(1,h,h,1)
w = np.ones((f,f,1,1))
xc = tf.constant(x,np.float32)
wc = tf.constant(w,np.float32)
xp = np.pad(x,((0,0),(pl,pr),(pl,pr),(0,0)),'constant',constant_values = 0)
xcp = tf.constant(xp,np.float32)
zs = tf.nn.conv2d(xc,wc,strides=[1,s,s,1],padding='SAME')
zv = tf.nn.conv2d(xc,wc,strides=[1,s,s,1],padding='VALID')
zp = tf.nn.conv2d(xcp,wc,strides=[1,s,s,1],padding='VALID')

with tf.Session() as sess:
    os = sess.run(zs)
    ov = sess.run(zv)
    op = sess.run(zp)

print('x shape: ', x.shape,' kernel: ',f,' stride: ',s,'\n',x[0,:,:,0])
print(' 'SAME' os shape: ', os.shape,'\n',os[0,:,:,0])
print(' 'VALID' ov shape: ', ov.shape,'\n',ov[0,:,:,0])
print(' 'VALID' op shape: ', op.shape,' pl: ',pl,' pr: ', pr,'\n',op[0,:,:,0])

在卷积池的情况下,零填充应该像我定义的那样填充数组x xp 然而,我不知道它的起始索引是如何定义的

原点矩阵x

x shape:  (1, 4, 4, 1)  kernel:  3  stride:  2 
[[ 0  1  2  3]
[ 4  5  6  7]
[ 8  9 10 11]
[12 13 14 15]]

在“相同”类型的卷积中,为什么是tf。nn。在这种情况下,conv2d不会在左边补零吗?

'SAME' os shape:  (1, 2, 2, 1) 
[[45. 39.]
[66. 50.]]

矩阵x上的有效卷积

'VALID' ov shape:  (1, 1, 1, 1) 
[[45.]]

xp中零填充后的有效类型卷积(正如我预期的结果)

'VALID' op shape:  (1, 2, 2, 1)  pl:  1  pr:  1 
[[10. 24.]
[51. 90.]]