tensorflow conv2d偶数和奇数步幅之间的不同起始索引答案

【问题标题】：tensorflow conv2d diffrent start index between even and odd stridetensorflow conv2d偶数和奇数步幅之间的不同起始索引
【发布时间】：2017-12-04 19:32:27
【问题描述】：

据我所知，tf.nn.conv2d doc 对于 SAME 卷积（无论步幅如何）第一个点积应该以 (0,0) 为中心虽然正如您在下面看到的，当步幅奇数时，第一个点积似乎以 (1,1) 为中心：在这个玩具示例中

输入形状为 [5,5,1]

滤波器形状为 [3,3,1,1]

res = tf.nn.conv2d(X, F, strides=[1,x,x,1], padding='SAME')

第 1 步结果：

array([[ 1.49573362,  2.65084887,  2.96818447,  3.04787111,  1.89275599],
   [ 3.1941781 ,  4.47312069,  4.10260868,  4.13415051,  2.85520792],
   [ 2.65490007,  3.41439581,  2.93415952,  3.65811515,  2.89861989],
   [ 2.22547054,  2.98453856,  2.89428496,  3.29111433,  2.53204632],
   [ 0.52702606,  1.16226625,  1.75986075,  2.20483446,  1.56959426]], dtype=float32)

步幅 2 结果：

array([[ 1.49573362,  2.96818447,  1.89275599],
   [ 2.65490007,  2.93415952,  2.89861989],
   [ 0.52702606,  1.75986075,  1.56959426]], dtype=float32)

步幅 3 结果：

array([[ 4.47312069,  2.85520792],
   [ 1.16226625,  1.56959426]], dtype=float32)

这是一个错误还是我遗漏了什么？

【问题讨论】：

您是否尝试过使用您可以实际计算的值制作一个玩具示例？ '正如你在下面看到的......'我不了解你，但我什么都看不到：很多随机数。
是的，我做了，但您所要做的就是将输出与 stride 与 stride 1 的输出进行比较。因为 stride 的结果是 stride 1 结果的子采样版本。例如，您可以看到步幅为 3 的 (0,0) 结果是步幅为 1 的 (1,1) 结果。

标签： python machine-learning tensorflow deep-learning convolution

【解决方案1】：

如果额外的零列（来自填充）的数量是奇数，则 tensorflow 将在末尾添加列。

在 stride = 1 的示例中，它需要添加两列，因此它在开头添加一列，在末尾添加一列（意思是开始，每边的结尾：左、右、上、下）。 Stride = 2 也一样。

但是，对于 stride = 3，它只需要添加一列并在末尾（右侧和底部）执行此操作。如果需要添加 5 列，它将在开头（左、上）添加 2，在结尾（右、下）添加 3

【讨论】：