Tensorflow之CNN卷积层池化层padding规则

padding的规则

·        　　padding=‘VALID’时，输出的宽度和高度的计算公式（下图gif为例）

　　　　

  　　　　输出宽度：output_width = （in_width-filter_width+1）/strides_width  =（5-3+1）/2=1.5【向上取整=2】

　　　　输出高度：output_height = （in_height-filter_height+1）/strides_height  =（5-3+1）/2=1.5【向上取整=2】

　　　　输出的形状[1,2,2,1]

　　　　

import tensorflow as tf
image = [0,1.0,1,2,2,0,1,1,0,0,1,1,0,1,0,1,0,1,1,1,0,2,0,1,0]
input = tf.Variable(tf.constant(image,shape=[1,5,5,1]))  ##1通道输入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1个卷积核对应1个featuremap输出

op = tf.nn.conv2d(input,filter,strides=[1,2,2,1],padding='VALID')  ##步长2，VALID不补0操作

init = tf.global_variables_initializer()

with tf.Session() as  sess:
    sess.run(init)
    # print('input:
', sess.run(input))
    # print('filter:
', sess.run(filter))
    print('op:
',sess.run(op))

##输出结果
'''
 [[[[ 2.]
   [-1.]]

  [[-1.]
   [ 0.]]]]
'''

　　　　如果strides=[1,3,3,1]的情况又是如何呢？　　　

　　　　输出宽度：output_width  = （in_width-filter_width+1）/strides_width  =（5-3+1）/3=1

　　　　输出高度：output_height = （in_height-filter_height+1）/strides_height  =（5-3+1）/3=1

　　　　输出的形状[1,1,1,1]，因此输出的结果只有一个

　　　　

import tensorflow as tf
image = [0,1.0,1,2,2,0,1,1,0,0,1,1,0,1,0,1,0,1,1,1,0,2,0,1,0]
input = tf.Variable(tf.constant(image,shape=[1,5,5,1]))  ##1通道输入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1个卷积核对应1个featuremap输出

op = tf.nn.conv2d(input,filter,strides=[1,3,3,1],padding='VALID')  ##步长2，VALID不补0操作

init = tf.global_variables_initializer()

with tf.Session() as  sess:
    sess.run(init)
    # print('input:
', sess.run(input))
    # print('filter:
', sess.run(filter))
    print('op:
',sess.run(op))

##输出结果
'''
op:
 [[[[ 2.]]]]
'''

              padding=‘SAME’时，输出的宽度和高度的计算公式

　　　　输出宽度：output_width  = in_width/strides_width=5/2=2.5【向上取整3】

　　　　输出高度：output_height = in_height/strides_height=5/2=2.5【向上取整3】

　　　　则输出的形状：[1,3,3,1]

　　　　那么padding补0的规则又是如何的呢？【先确定输出形状，再计算补多少0】

　　　　pad_width = max（（out_width-1）*strides_width+filter_width-in_width,0）=max（（3-1）*2+3-5,0）=2

　　　　pad_height = max（（out_height-1）*strides_height+filter_height-in_height,0）=max（（3-1）*2+3-5,0）=2

　　　　pad_top = pad_height/2=1

　　　　pad_bottom = pad_height-pad_top=1

　　　　pad_left = pad_width/2=1

　　　　pad_right = pad_width-pad_left=1

　　　　　　　　

import tensorflow as tf
image = [0,1.0,1,2,2,0,1,1,0,0,1,1,0,1,0,1,0,1,1,1,0,2,0,1,0]
input = tf.Variable(tf.constant(image,shape=[1,5,5,1]))  ##1通道输入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1个卷积核对应1个featuremap输出

op = tf.nn.conv2d(input,filter,strides=[1,2,2,1],padding='SAME')  ##步长2，VALID不补0操作

init = tf.global_variables_initializer()

with tf.Session() as  sess:
    sess.run(init)
    # print('input:
', sess.run(input))
    # print('filter:
', sess.run(filter))
    print('op:
',sess.run(op))

##输出结果
'''
op:
 [[[[ 3.]
   [ 1.]
   [-4.]]

  [[ 3.]
   [ 0.]
   [-3.]]

  [[ 4.]
   [-1.]
   [-3.]]]]
'''

　　　　如果步长为3呢？补0的规则又如何？

　　　　输出宽度：output_width  = in_width/strides_width=5/3=2

　　　　输出高度：output_height = in_height/strides_height=5/3=2

　　　　则输出的形状：[1,2,2,1]

　　　　那么padding补0的规则又是如何的呢？【先确定输出形状，再计算补多少0】

　　　　pad_width = max（（out_width-1）*strides_width+filter_width-in_width,0）=max（（2-1）*3+3-5,0）=1

　　　　pad_height = max（（out_height-1）*strides_height+filter_height-in_height,0）=max（（2-1）*3+3-5,0）=1

　　　　pad_top = pad_height/2=0【向下取整】

　　　　pad_bottom = pad_height-pad_top=1

　　　　pad_left = pad_width/2=0【向下取整】

　　　　pad_right = pad_width-pad_left=1

　　　　

import tensorflow as tf
print(3/2)
image = [0,1.0,1,2,2,0,1,1,0,0,1,1,0,1,0,1,0,1,1,1,0,2,0,1,0]
input = tf.Variable(tf.constant(image,shape=[1,5,5,1]))  ##1通道输入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1个卷积核对应1个featuremap输出

op = tf.nn.conv2d(input,filter,strides=[1,3,3,1],padding='SAME')  ##步长2，VALID不补0操作

init = tf.global_variables_initializer()

with tf.Session() as  sess:
    sess.run(init)
    # print('input:
', sess.run(input))
    # print('filter:
', sess.run(filter))
    print('op:
',sess.run(op))

##输出结果
'''
op:
 [[[[ 2.]
   [-3.]]

  [[ 0.]
   [-3.]]]]
'''