pytorch和tensorflow之间的卷积层填充差异

【问题标题】：Convolution layer padding difference between pytorch and tensorflowpytorch和tensorflow之间的卷积层填充差异
【发布时间】：2020-11-04 00:58:51
【问题描述】：

torch.nn.Conv2d(7, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3))

在上面的pytorch卷积代码行中，padding = (3,3) 参数发生了什么。我们如何在 tensorflow 中实现相同的填充。

tf.keras.layers.Conv2D(7, 64, stride = (2,2), padding="same padding as pytorch")

我们如何在 tensorflow 中实现这一点？

【问题讨论】：

标签： pytorch conv-neural-network tensorflow2.0

【解决方案1】：

填充是在图像的每个维度上添加额外的字节。根据文档，

padding 控制两边隐式零填充的数量用于填充每个维度的点数。

在 TensorFlow 中，您可以使用 tf.pad 来做同样的事情。比如做padding=(3, 3)类似于pytorch，你可以使用下面的代码-

import tensorflow as tf

image = tf.constant([[1, 2, 3], [4, 5, 6]])
paddings = tf.constant([[3, 3,], [3, 3]])

image = tf.pad(image, paddings, "CONSTANT")
print(image)

输出-

tf.Tensor(
[[0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 1 2 3 0 0 0]
 [0 0 0 4 5 6 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]], shape=(8, 9), dtype=int32)

【讨论】：