【发布时间】：2021-11-05 12:36:34
【问题描述】：
在 Pytorch 中，nn.conv2d() 的填充参数允许用户输入选择的填充大小（如 p=n）。 TensorFlow 没有这样的等价物。我们如何才能实现类似的定制？如果设计一个小型网络，使用池化和 FC 等常用 CNN 层来演示如何从输入层开始，将不胜感激。
【问题讨论】：
标签： python-3.x tensorflow keras deep-learning tensorflow2.0
【发布时间】：2021-11-05 12:36:34
【问题描述】：
您可以使用tf.pad 后跟没有（“有效”）填充的卷积。这是一个简单的例子：
inp = tf.keras.Input((32, 32, 3)) # e.g. CIFAR10 images
custom_padded = tf.pad(inp, ((0, 0), (2, 0), (2, 0), (0, 0)))
conv = tf.keras.layers.Conv2D(16, 3)(custom_padded) # default padding is "valid"
model = tf.keras.Model(inp, conv)
填充的语法可能需要一些时间来适应，但基本上每个 2 元组代表一个维度（批次、宽度、高度、过滤器），在每个 2 元组中，第一个数字是要填充多少元素前面，第二个在后面垫多少。所以在这种情况下：
- 批处理轴中没有填充
- 宽度轴左侧2个元素，右侧0个元素
- 顶部有 2 个元素，底部有 0 个元素作为高度轴
- 通道轴没有填充
在此示例中，我们使用了 16 个过滤器，过滤器大小为 3。通常这需要在每侧填充 1 个元素以实现“相同”填充，但这里我们决定在一侧填充 2 个元素，并且另一方面为 0。这当然可以适应您想要/需要的任何其他方案。
默认情况下使用 0 填充，但您可以在 pad 函数中更改它。查看文档：https://www.tensorflow.org/api_docs/python/tf/pad
请注意，我省略了池化或其他层，因为这应该很容易添加。基本配方只是将卷积层替换为pad 加上没有填充的卷积。
【讨论】：
-
感谢您回答我的问题。我只是有另一个疑问。告诉我是否有这个权利。就像您在示例中显示的方式一样，首先，我们应用填充，然后将其传递给 conv 层。如果我必须再次在 conv 的输出上放置填充，然后再次通过 conv2d 传递它。代码会是这样吗？。
-
custom_pad = tf.pad(conv, ((0, 0), (2, 0), (2, 0), (0, 0))) | conv2 = tf.keras.layers.conv2d(32,3)(custom_pad)
-
是的。最佳实践可能是定义一个函数
conv_with_custom_pad，它接受输入，应用tf.pad和卷积层，并返回层的结果。然后，您可以在模型构建中使用此函数替换带有填充的卷积层。顺便说一句，我还鼓励您单独测试tf.pad以探索它的行为，这样您就可以确定您知道它是如何工作的。