对 CNN 中卷积层的输出感到困惑

Question

我正在实现卷积神经网络，但是我对tensorflow中卷积层的输出大小感到困惑，所以我看到了这个规则来计算卷积的输出，即（Size - Filter + 2P）/ Stride +1，所以如果我们有一个 sie 256 x 256 灰度的图像，即通道 = 1，过滤器大小为 11，零填充 = 0，步幅 = 2。然后根据该规则，通过替换。输出将是 (256 - 11)/2 + 1 = 123.5 即 = 123 x 123 。但实际上通过在 tensorflow 中实现相同的值，在打印出结果时，我已经看到，输出是 128 x 128 ！这是怎么回事？

更新

IMAGE_H = 256
IMAGE_W = 256
batch_size = 10
num_hidden = 64
num_channels = 1
depth = 32

input = tf.placeholder(
     tf.float32, shape=(batch_size, IMAGE_H, IMAGE_W, num_channels))

w1 = tf.Variable(tf.random_normal([11, 11, num_channels,depth],stddev=0.1))
w2 = tf.Variable(tf.random_normal([7, 7, depth, depth], stddev=0.1))

b1 = tf.Variable(tf.zeros([depth]))
b2 = tf.Variable(tf.constant(1.0, shape=[depth]))

....
# model

conv1 = tf.nn.conv2d(input, w1 , [1, 2, 2, 1], padding='SAME')
print('conv1', conv1)
hidden_1 = tf.nn.relu(conv1 + b1)  

Answer 1

在行中使用填充 VALID：

conv1 = tf.nn.conv2d(input, w1 , [1, 2, 2, 1], padding='VALID')

填充“SAME”表示保持相同的输入大小，填充“VALID”表示计算公式( Size - Filter + 2P)/ Stride +1并给出有效数字输出。