卷积层和池化层中padding参数“SAME”和“VALID”的区别

柔光的暖阳◎ 2024-04-18 09:20 74阅读 0赞

padding参数的作用是决定在进行卷积或池化操作时，是否对输入的图像矩阵边缘补0，‘SAME’ 为补零，‘VALID’ 则不补，因为在这些操作过程中过滤器可能不能将某个方向上的数据刚好处理完。

*  **VALID 模式**

|dropped
    inputs:         1  2  3  4  5  6  7  8  9  10 11 (12 13)
                    |______________|                
                                   |_______________|

对于VALID方法，输出的大小计算如下：

>  out\_width = out\_height = ⌈ (s\_input – s\_filter + 1）/ s\_stride ⌉

其中，s\_input 为输入的大小，s\_filter 为filter的大小，s\_stride 为步长，⌈⌉为向上取整。

*  **SAME 模式**

|pading
    inputs:      1  2  3  4  5  6  7  8  9  10 11 12 13 |0   0   0
               	 |______________|
                                |______________|
                                               |_________________|

对于SAME，输出的大小计算如下：

>  out\_width = out\_height = ⌈ s\_input / s\_stride ⌉

其中，s\_input 为输入的大小，s\_stride 为步长，⌈⌉为向上取整

--------------------

参考：[https://www.cnblogs.com/White-xzx/p/9497029.html][https_www.cnblogs.com_White-xzx_p_9497029.html]

[https_www.cnblogs.com_White-xzx_p_9497029.html]: https://www.cnblogs.com/White-xzx/p/9497029.html

发表评论取消回复

表情：

评论列表（有 0 条评论，74人围观）

还没有评论，来说两句吧...

相关阅读

相关卷积层和池化层中padding参数“SAME”和“VALID”的区别

padding参数的作用是决定在进行卷积或池化操作时，是否对输入的图像矩阵边缘补0，‘SAME’ 为补零，‘VALID’ 则不补，因为在这些操作过程中过滤器可能...

柔光的暖阳◎/ 2024年04月18日 09:20/ 0 赞/ 75 阅读

相关 padding卷积的两种方式“SAME”和“VALID”

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\_doc

冷不防/ 2023年07月18日 09:57/ 0 赞/ 18 阅读

相关卷积神经网络CNN、感受野、边缘检测、卷积层(零填充padding、步长、多通道卷积、多卷积核)、池化层Pooling、全连接层

![20191009191333910.png][][日萌社][Link 1] [人工智能AI：Keras PyTorch MXNet TensorFlow Paddle

Dear 丶/ 2023年07月15日 09:17/ 0 赞/ 24 阅读

相关 CNN卷积层、池化层、全连接层

卷积神经网络是通过神经网络反向传播自动学习的手段，来得到各种有用的卷积核的过程。卷积神经网络通过卷积和池化操作，自动学习图像在各个层次上的特征，这符合我们理解图像的常识。人

叁歲伎倆/ 2023年06月20日 06:09/ 0 赞/ 62 阅读

相关卷积层和BN层融合

解释也不错： [https://my.oschina.net/u/4395251/blog/4769266][https_my.oschina.net_u_4395251_b

桃扇骨/ 2023年01月22日 12:53/ 0 赞/ 298 阅读

相关使用TensorFlow搭建CNN卷积层和池化层

下面代码中，输入图像色彩通道为3；卷积层的过滤器大小设置为5\5，深度为16，步长为1；池化层的过滤器大小设置为3\3，步长为2。卷积层全0填充：使输入得图像的输出时大小相同。

心已赠人/ 2022年06月01日 04:37/ 0 赞/ 257 阅读

相关理解CNN卷积层与池化层计算

概述深度学习中CNN网络是核心，对CNN网络来说卷积层与池化层的计算至关重要，不同的步长、填充方式、卷积核大小、池化层策略等都会对最终输出模型与参数、计算复杂度产生重要

叁歲伎倆/ 2022年05月26日 06:57/ 0 赞/ 196 阅读

相关卷积神经网络——输入层、卷积层、激活函数、池化层、全连接层

转自：[https://blog.csdn.net/qq\_27022241/article/details/78289083][https_blog.csdn.net_qq_

╰+哭是因爲堅強的太久メ/ 2022年05月18日 06:05/ 0 赞/ 322 阅读

相关深度学习技巧：（1）“SAME”和“VALID”对应的卷积层输出大小

[https://blog.csdn.net/wuzqChom/article/details/74785643][https_blog.csdn.net_wuzqChom_a

柔情只为你懂/ 2022年05月09日 08:22/ 0 赞/ 153 阅读

相关 tensorflow中卷积和池化函数中padding问题

一. 池化： ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0

àì夳堔傛蜴生んèń/ 2022年01月28日 06:19/ 0 赞/ 209 阅读