在 Tensorflow 中具有相同填充的均匀大小的内核答案

【问题标题】：Even sized kernels with SAME padding in Tensorflow在 Tensorflow 中具有相同填充的均匀大小的内核
【发布时间】：2018-12-10 10:11:35
【问题描述】：

在 Tensorflow 中，SAME 填充旨在产生与输入相同大小的输出，给定步幅 = 1，通过适当地用零填充输入。对于奇数大小的内核，例如 5x5，它将内核的中心 (2,2) 放在输入 (0,0) 的第一个像素上并开始卷积。在 x 和 y 坐标中，则需要 2 个像素的零填充。

如果使用偶数内核（例如 6x6）会怎样？它不会有一个像素的中心作为它的实际中心。 VALID 填充如何处理这个问题？例如，根据Image convolution with even-sized kernel，一般图像处理文献中的约定是在零之前多放置一个像素，如本例中的-3 -2 -1 0 1 2。填充区域中将命中三个像素。我为此参考了 Tensorflow 文档，但找不到明确的答案。

【问题讨论】：

标签： python tensorflow conv-neural-network zero-padding

【解决方案1】：

就像你说的，文档似乎没有明确说明。看二维卷积核的源码（conv_ops.cc），有评论解释：

// Total padding on rows and cols is
// Pr = (R' - 1) * S + (Kr - 1) * Dr + 1 - R
// Pc = (C' - 1) * S + (Kc - 1) * Dc + 1 - C
// where (R', C') are output dimensions, (R, C) are input dimensions, S
// is stride, (Dr, Dc) are dilations, (Kr, Kc) are filter dimensions.
// We pad Pr/2 on the left and Pr - Pr/2 on the right, Pc/2 on the top
// and Pc - Pc/2 on the bottom.  When Pr or Pc is odd, this means
// we pad more on the right and bottom than on the top and left.

因此，您似乎会在右列和底行使用偶数大小的内核获得一个额外的填充。我们可以看一个例子：

import tensorflow as tf

input_ = tf.ones((1, 10, 10, 1), dtype=tf.float32)
kernel = tf.ones((6, 6, 1, 1), dtype=tf.float32)
conv = tf.nn.conv2d(input_, kernel, [1, 1, 1, 1], 'SAME')
with tf.Session() as sess:
    print(sess.run(conv)[0, :, :, 0])

输出：

[[16. 20. 24. 24. 24. 24. 24. 20. 16. 12.]
 [20. 25. 30. 30. 30. 30. 30. 25. 20. 15.]
 [24. 30. 36. 36. 36. 36. 36. 30. 24. 18.]
 [24. 30. 36. 36. 36. 36. 36. 30. 24. 18.]
 [24. 30. 36. 36. 36. 36. 36. 30. 24. 18.]
 [24. 30. 36. 36. 36. 36. 36. 30. 24. 18.]
 [24. 30. 36. 36. 36. 36. 36. 30. 24. 18.]
 [20. 25. 30. 30. 30. 30. 30. 25. 20. 15.]
 [16. 20. 24. 24. 24. 24. 24. 20. 16. 12.]
 [12. 15. 18. 18. 18. 18. 18. 15. 12.  9.]]

确实，看起来确实在右侧和底部添加了额外的零。

【讨论】：