Tensorflow中卷积的padding操作

骚年`
5个月前 阅读 17 点赞 0

之前一直对tensorflow的padding一知半解,直到查阅了tensorflow/core/kernels/ops_util.cc中的Get2dOutputSizeVerbose函数,才恍然大悟,下面是具体的介绍:


实际上tensorflow官方API里有介绍!!


根据tensorflow中的conv2d函数,我们先定义几个基本符号


1、输入矩阵 W×W,这里只考虑输入宽高相等的情况,如果不相等,推导方法一样,不多解释。

2、filter矩阵 F×F,卷积核

3、stride值 S,步长

4、输出宽高为 new_height、new_width


当然还有其他的一些具体的参数,这里就不再说明了。


我们知道,padding的方式在tensorflow里分两种,一种是VALID,一种是SAME,下面分别介绍这两种方式的实际操作方法。


如果padding=‘VALID’

new_height = new_width = (W – F + 1) / S (结果向上取整)


也就是说,conv2d的VALID方式不会在原有输入的基础上添加新的像素(假定我们的输入是图片数据,因为只有图片才有像素),输出矩阵的大小直接按照公式计算即可。


2、如果padding=‘SAME’

new_height = new_width = W / S (结果向上取整)


在高度上需要pad的像素数为:

pad_needed_height = (new_height – 1) × S + F - W


根据上式,输入矩阵上方添加的像素数为

pad_top = pad_needed_height / 2  (结果取整)


下方添加的像素数为

pad_down = pad_needed_height - pad_top


以此类推,在宽度上需要pad的像素数和左右分别添加的像素数为

pad_needed_width = (new_width – 1) × S + F - W

pad_left = pad_needed_width / 2 (结果取整)

pad_right = pad_needed_width – pad_left


至此,关于tensorflow的卷积padding操作介绍完毕,下面是关于此操作的源码(Get2dOutputSizeVerbose函数的部分节选),以供参考。


| 0
登录后可评论,马上登录吧~
评论 ( 0 )

还没有人评论...