今天你PY了吗

卷积神经网络中两种Padding方式的介绍

2018-03-08
Humy

当我们计算卷积池化后的图像尺寸时,需要注意“VALID”和“SAME”两种Padding对应的输出尺寸计算方式不一样,下面就来说说具体的计算方式

  • 当Padding为“VALID”

这种情况下,当你经过最后一步步长做卷积或池化运算,超出图像边界不会补‘0’,输出的形状为:⌈(W-F+1)/S⌉

  • 当Padding为“SAME”

这种情况下,当你经过最后一步步长做卷积或池化运算,超出图像边界补‘0’,输出的形状为:⌈W/S⌉

注意:W为输入的size,F为卷集核尺寸,S为步长,⌈⌉为向上取整符号。


本文为Humy原创文章,转载无需和我联系,但请注明来自https://humyue.github.io

相似文章

评论