TensorFlow中conv2d中padding方式说明

在tf1.9及以上版本中，conv2d函数包含8个输入参数，其中前4个参数在不同版本中均保持不变，且对于卷积运算具有关键作用。input用于表示输入的张量，filter用于定义滤波器的尺寸，strides用于指定滑动步长，padding则用于确定边缘处理方式，具体包括'VALID'和‘SAME’两种模式。

本文重点阐述了多种padding方式对输出数据维度所产生的影响。

通常用于计算卷积输入输出维度变化的公式为：OUT = (IN-F+2*P)/S+1

在VALID模式下，边缘处理时若边缘部分不足以容纳一个kernel，则会将其舍弃，对应的计算公式为OUT=ceil((IN-F+1)/S) ，并采用向上取整的方式进行处理。

在SAME模式下，边缘处理时会通过补零操作来确保边缘部分能够满足一个kernel的要求，其对应的计算公式为OUT=ceil(IN/S) ，同样采用向上取整的方式进行处理。

例如以下示例代码：

 import tensorflow as tf

    
  
    
 def conv2d_test():
    
     inp