标签:填充 参数 add nbsp 移动 val bsp 卷积 向上取整
在tf.nn.conv2d函数中,padding可以选择VALID和SAME两种模式,两种模式得到的卷积输出尺寸计算方式不同。
1、当padding=VALID
输出宽和高计算公式为:
output_height=(in_height-filter_height+1)/strides_height(结果向上取整)
output_width=(in_width-filter_width+1)/strides_width(结果向上取整)
2、当padding=SAME
此时需要进行补零
output_height=in_height/strides_height(结果向上取整)
output_width=in_width/strides_width(结果向上取整)
补零的参数
pad_height = max((out_height - 1) x strides_height + filter_height - in_height, 0)(高度方向填充0的行数)
pad_width = max((out_width - 1) x strides_width + filter_width - in_width, 0)(宽度方向填充0的列数)
pad_top = pad_height / 2(上方向填充0的行数,向下取整)
pad_bottom = pad_height - pad_top(下方向填充0的行数)
pad_left = pad_width / 2(左方向填充0的列数,向下取整)
pad_right = pad_width - pad_left(右方向填充0的列数)
3、举例
输入为13x1的一维矩阵,filter为6x1,步长为5
当padding=VALID
output_width=(13-6+1)/5=2(向上取整)
所以计算时舍弃了最后两个值
当padding=SAME
output_width=13/5=3(向上取整)
pad_width = max((3 - 1) x 5 + 6 - 13, 1) = 3
pad_left = pad_width / 2 = 3 / 2 = 1 (向下取整)
pad_right = pad_width - pad_left = 2
所以左边补一个0,右边补两个0
标签:填充 参数 add nbsp 移动 val bsp 卷积 向上取整
原文地址:https://www.cnblogs.com/xbyfight/p/11139178.html