conv2D 中的填充答案

【问题标题】：padding in conv2Dconv2D 中的填充
【发布时间】：2019-08-05 01:14:48
【问题描述】：

我在 keras 中使用以下代码

from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D
from keras.models import Model
from keras import backend as K

input_img = Input(shape=(28, 28, 1))  # adapt this if using `channels_first` image data format

x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)

# at this point the representation is (4, 4, 8) i.e. 128-dimensional

x = Conv2D(8, (3, 3), activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
x = Conv2D(16, (3, 3), activation='relu')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

但是，如果我使用倒数第二个 Conv2D 块：“x = Conv2D(16, (3, 3), activation='relu')(x)" with padding='same'，代码会给我错误。我不明白填充相同是有问题的，如果我删除这个填充行，代码可以正常工作。请问有人吗？谢谢

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

发生这种情况是因为“相同”的行为与 strides !=1 不一致。您是否尝试过将步幅指定为 1？问题详细讨论here

【讨论】：

如果我添加一个 strides=(1,1), with padding='same' 然后我得到错误：检查目标时出错：预期 conv2d_14 有 (32,32,1) 但得到数组形状 (28,28,1) 没有填充和 strides=(1,1) 正在工作，但又一次，没有填充和没有跨步的代码正在工作。那么上面代码中的其他 Conv2D 块是不是我认为没有定义跨步，只有过滤器和内核大小？？

【解决方案2】：

input_img = Input(shape=(28, 28, 1))  

x = Conv2D(32, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(32, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)


# at this point the representation is (7, 7, 32) 

x = Conv2D(32, (3, 3), activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(32, (3, 3), activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

现在，如果我使用上面的代码，我不需要从倒数第二个 conv2D 块及其工作中省略 padding='same'

【讨论】：