当它“相同”时，张量流中的内核大小和步幅的填充值公式是什么？答案

【问题标题】：what is the padding value formula wrt kernel size and stride in tensorflow when it is "same"?当它“相同”时，张量流中的内核大小和步幅的填充值公式是什么？
【发布时间】：2019-07-13 06:07:59
【问题描述】：

在解码内核大小和步幅的“相同”值时，张量流是否遵循任何通用公式

tf.keras.layers.Conv2D(hiddim_v * 4, kernel_size = 3, stride= 1, "same")

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

根据官方文档https://www.tensorflow.org/api_docs/python/tf/nn/convolution

If padding == "SAME": output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides[i])
If padding == "VALID": output_spatial_shape[i] = ceil((input_spatial_shape[i] - (spatial_filter_shape[i]-1) * dilation_rate[i]) / strides[i]).

spatial_filter_shape 是内核大小

【讨论】：

这不是我的疑问。我想知道什么是填充值公式......你已经提到......输出宽度和高度是多少......但我想知道他们填充了多少数字......使用 tf.pad( [0,pw,ph,0]) 是否有任何通用公式可以找到 pw 和 ph？谢谢
我怀疑 tf.pad 是否被明确使用，因为 conv op 只有两个选项。我认为它只是计算输出形状。您可以在 nn_ops.py 文件中找到更多信息。