Question

从tf.nn.conv2d doc我对SAME卷积的理解（无论大步）第一个点积应该以（0,0）为中心虽然你可以看到当步幅是奇数时，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]

文件管形状是[3,3,1,1]

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

迈步1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)

迈步2结果：

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

迈步3结果：

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

这是一个错误还是我错过了什么？

Answer 1

正在发生的事情是，如果额外零列（来自填充）的数量为奇数，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，在结尾添加一列（意味着每一侧的开头，结尾：左，右，上，下）。 Stride = 2也会这样做。

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。如果需要添加5列，它将在开头添加2（左，上），在结尾添加3（右，下）

tensorflow conv2d偶数和奇数步幅之间的不同起始索引

1 个答案: