CNN中的conv2d中的两种padding计算方法

两种padding计算方法"/>

CNN中的conv2d中的两种padding计算方法

目录

• • padding='VALID'
  • padding='SAME'
  • ref

padding=‘VALID’

n e w _ h e i g h t = n e w _ w i d t h = [ ( W − F + 1 ) S ] new\_height=new\_width=[\frac{(W-F+1)}{S}] new_height=new_width=[S(W−F+1)​]

padding=‘SAME’

n e w _ h e i g h t = n e w _ w i d t h = [ W S ] new\_height=new\_width=[\frac{W}{S}] new_height=new_width=[SW​]

其中， W W W为输入的size，也就是 W i d t h Width Width；
F F F为卷积核的大小；
S S S为步长，也就是stride；
[ _ ] [\_] [_]为向上取整的符号。

ref

TensorFlow中CNN的两种padding方式“SAME”和“VALID”