Tensorflow之CNN卷積層池化層padding規則

padding的規則

·        　　padding=‘VALID’時，輸出的寬度和高度的計算公式（下圖gif為例）

　　　　

  　　　　輸出寬度：output_width = （in_width-filter_width+1）/strides_width  =（5-3+1）/2=1.5【向上取整=2】

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

　　　　輸出的形狀[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通道輸入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1個卷積核對應1個featuremap輸出

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

init = tf.global_variables_initializer()

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

##輸出結果
'''
 [[[[ 2.]
   [-1.]]

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

　　　　如果strides=[1,3,3,1]的情況又是如何呢？　　　

　　　　輸出寬度：output_width  = （in_width-filter_width+1）/strides_width  =（5-3+1）/3=1

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

　　　　輸出的形狀[1,1,1,1]，因此輸出的結果只有一個

　　　　

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通道輸入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1個卷積核對應1個featuremap輸出

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

init = tf.global_variables_initializer()

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

##輸出結果
'''
op:
 [[[[ 2.]]]]
'''

              padding=‘SAME’時，輸出的寬度和高度的計算公式

　　　　輸出寬度：output_width  = in_width/strides_width=5/2=2.5【向上取整3】

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

　　　　則輸出的形狀：[1,3,3,1]

　　　　那么padding補0的規則又是如何的呢？【先確定輸出形狀，再計算補多少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通道輸入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1個卷積核對應1個featuremap輸出

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

init = tf.global_variables_initializer()

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

##輸出結果
'''
op:
 [[[[ 3.]
   [ 1.]
   [-4.]]

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

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

　　　　如果步長為3呢？補0的規則又如何？

　　　　輸出寬度：output_width  = in_width/strides_width=5/3=2

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

　　　　則輸出的形狀：[1,2,2,1]

　　　　那么padding補0的規則又是如何的呢？【先確定輸出形狀，再計算補多少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通道輸入
fil1 = [-1.0,0,1,-2,0,2,-1,0,1]
filter = tf.Variable(tf.constant(fil1,shape=[3,3,1,1]))  ##1個卷積核對應1個featuremap輸出

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

init = tf.global_variables_initializer()

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

##輸出結果
'''
op:
 [[[[ 2.]
   [-3.]]

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