python - tensorflow的tf.nn.max_pool中 'SAME'和 'VALID' padding有什么区别？

Question

tensorflow的tf.nn.max_pool中的“SAME”和“VALID”填充有什么区别？

在我看来，“VALID”意味着当我们进行最大池时，边缘之外不会有零填充。

根据A guide to convolution arithmetic for deep learning ，它表示池运算符中不会有填充，即只使用 tensorflow 的“VALID”。 但是 tensorflow 中最大池的“SAME”填充是什么？

Answer 1

如果你喜欢 ascii 艺术:

• "VALID" = 没有填充:

     inputs:         1  2  3  4  5  6  7  8  9  10 11 (12 13)
                    |________________|                dropped
                                   |_________________|
  

• "SAME" = 零填充:

                 pad|                                      |pad
     inputs:      0 |1  2  3  4  5  6  7  8  9  10 11 12 13|0  0
                 |________________|
                                |_________________|
                                               |________________|
  

在这个例子中:

• 输入宽度 = 13
• 过滤器宽度 = 6
• 步幅 = 5

注意事项:

• "VALID" 只删除最右边的列(或最底部的行)。
• "SAME" 尝试左右均匀填充，但是如果要添加的列数是奇数，它会将额外的列添加到右侧，如本例中的情况(同样的逻辑也适用于垂直方向:底部可能会多出一行零)。

编辑:

关于名字:

• 使用 "SAME" 填充，如果您使用 1 的步幅，图层的输出将具有与其输入相同的空间维度。
• 使用 "VALID" 填充，没有“虚构”的填充输入。该层仅使用有效输入数据。