填充为 ='SAME' 的 Tensorflow/Keras Conv2D 层表现异常

Question

我的问题:

我进行的一个简单的实验表明，使用 padding='SAME'在 Keras/TF 中的 conv2d 层与使用 padding='VALID' 不同带有前面的零填充层。

这怎么可能？

Keras/TF 是否在张量周围对称地填充零？

实验说明 - 如果您有兴趣进一步阅读:

我用了 onnx2keras将我的 Pytorch 模型转换为 keras/TF 的包。

当onnx2keras遇到一个带有 padding > 0 的卷积层在 ONNX 模型中，它将其转换为 Keras 的 Conv2D与 valid填充(即没有填充!)，前面是 Keras 的 ZeroPadding2D层。这非常有效，并返回与 Pytorch 网络产生的输出相同的输出。

我还觉得奇怪的是它不是简单地使用 padding='SAME' ，正如大多数引用资料所说，Keras/TF 使用零填充，就像 Pytorch 一样。

尽管如此，我还是修补了 onnx2keras并让它生产了我 Conv2D层与 padding='SAME'而不是 'VALID' 的现有解决方案用前面的零填充层填充。这使得生成的模型返回与零填充层不同的输出，当然与我的 Pytorch 模型不同，后者在补丁之前是相同的。

Answer 1

padding='Same'在 Keras 中意味着当输入大小和内核大小不完全适合时，根据需要添加填充以弥补重叠。

padding='Same' 示例:

# Importing dependency
import keras
from keras.models import Sequential
from keras.layers import Conv2D

# Create a sequential model
model = Sequential()

# Convolutional Layer
model.add(Conv2D(filters=24, input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2) ,padding='Same'))

# Model Summary
model.summary()

代码的输出 -

Model: "sequential_20"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_28 (Conv2D)           (None, 3, 3, 24)          120       
=================================================================
Total params: 120
Trainable params: 120
Non-trainable params: 0
_________________________________________________________________

图文表示:
下图显示了当 padding='Same' 时输入的填充 (input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2))。



-------------------------------------------------- -------------------------------------------------- --------------
padding='Valid'在 Keras 中意味着不添加填充。

padding='Valid' 示例:对 Conv2D 使用了与我们上面用于 padding = 'Same' 相同的输入。即(input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2))

# Importing dependency
import keras
from keras.models import Sequential
from keras.layers import Conv2D

# Create a sequential model
model = Sequential()

# Convolutional Layer
model.add(Conv2D(filters=24, input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2) ,padding='Valid'))

# Model Summary
model.summary()

代码的输出 -

Model: "sequential_21"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_29 (Conv2D)           (None, 2, 2, 24)          120       
=================================================================
Total params: 120
Trainable params: 120
Non-trainable params: 0
_________________________________________________________________

图文表示:
下图显示当 padding='Valid' 时没有为输入添加填充 (input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2))。


-------------------------------------------------- -------------------------------------------------- --------------

现在让我们尝试使用与 padding='Valid' 相同的代码对于输入 (input_shape=(6,6,1), kernel_size=(2,2), strides =(2,2))。 这里padding='Valid'行为应该与 padding='Same' 相同.

代码 -

# Importing dependency
import keras
from keras.models import Sequential
from keras.layers import Conv2D

# Create a sequential model
model = Sequential()

# Convolutional Layer
model.add(Conv2D(filters=24, input_shape=(6,6,1), kernel_size=(2,2), strides =(2,2) ,padding='Valid'))

# Model Summary
model.summary()

代码的输出 -

Model: "sequential_22"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_30 (Conv2D)           (None, 3, 3, 24)          120       
=================================================================
Total params: 120
Trainable params: 120
Non-trainable params: 0
_________________________________________________________________