张量流的tf.nn.max_pool中的'SAME'和'VALID'填充有什么区别？

Question

什么是“相同”和“有效”填充之间的区别tf.nn.max_pool的tensorflow？

在我看来，“有效”表示在进行最大池化时，边缘外部不会出现零填充。

根据深度学习卷积算法指南，它说池运算符中将不会有填充，即仅使用的“
VALID” tensorflow。但是最大池的“相同”填充是tensorflow什么？

Answer 1

我将举一个例子使其更清楚：

• x：输入形状为[2，3]，1通道的图像
• valid_pad：具有2x2内核，步幅2和有效填充的最大池。
• same_pad：具有2x2内核，跨度2和相同填充的最大池（这是 经典的处理 方式）

输出形状为：

• valid_pad：此处没有填充，因此输出形状为[1，1]
• same_pad：在这里，我们将图像填充为[2，4]形状（使用-inf，然后应用最大池），因此输出形状为[1、2]

x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.]])

x = tf.reshape(x, [1, 2, 3, 1])  # give a shape accepted by tf.nn.max_pool

valid_pad = tf.nn.max_pool(x, [1, 2, 2, 1], [1, 2, 2, 1], padding='VALID')
same_pad = tf.nn.max_pool(x, [1, 2, 2, 1], [1, 2, 2, 1], padding='SAME')

valid_pad.get_shape() == [1, 1, 1, 1]  # valid_pad is [5.]
same_pad.get_shape() == [1, 1, 2, 1]   # same_pad is  [5., 6.]