在更快的rcnn中，conv2d_same优于conv2d（，padding =＆＃39; SAME＆＃39;）有什么优势？

Question

为什么在更快的rcnn中使用conv2d_same代替普通conv2d(..., padding='SAME')？

conv2d_same代码位于Tensorflow GitHub。

Answer 1

html head title= title body h1= message a(href="http://www.google.com"): button(type="button") Run python script 时，{p> conv2d_same与conv2d完全相同。

当stride == 1，即意图是对张量进行下采样时，所应用的填充有点不同。来自文档：

  

当stride > 1时，我们会进行显式零填充，然后是conv2d   与＆＃39; VALID＆＃39;填充。注意

stride > 1

     

相当于

net = conv2d_same(inputs, num_outputs, 3, stride=stride)

     

，而

net = slim.conv2d(inputs, num_outputs, 3, stride=1, padding='SAME')
net = subsample(net, factor=stride)

     当输入的高度或宽度是偶数时，

是不同的，这就是我们的原因   添加当前功能。

差异基本上是在两种情况下下采样后得到的空间大小。