tensorflow 中的padding方式“SAME”和“VALID”

tensorflow 中的padding方式“SAME”和“VALID”

因为最近在看一些目标检测的代码，想计算每一层的卷积或者pooling的输出大小，所以把这一块严格看一下，
同时有助于自己设计网络，比如什么时候要padd之类的。
tensorflow 中的padding方式“SAME”和“VALID”
    在tensorflow里面，这两个计算特征图的输出大小方式不一样，

    如果padding的方法为“SAME” ，那么输出特征图的长和宽为:

    $$w_out=\frac{w-F+1}{s}$$
    其中w表示输入特征图的长/宽，s表示strides，表示卷积核的大小，然后向上取整

     如果padding的方法为“VALID” ，那么输出特征图的长和宽为:
     $$w_out=\frac{w}/{s}$$
 其中w表示输入特征图的长/宽，s表示strides，然后向上取整

我们看一个tensorflow的例子

import tensorflow as tf
import numpy as np
x = tf.reshape(tf.range(0,25*3),[1,5,5,3])

valid_pad = tf.nn.max_pool(x, ksize=[1, 3, 3, 1], strides=[1, 1, 1, 1], padding='VALID')
same_pad = tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 1, 1, 1], padding='SAME')

print("Valid_pad = ",valid_pad.get_shape())
print("Same_pad = ",same_pad.get_shape())

我们看看结果：
Valid_pad =  (1, 4, 4, 3)
Same_pad =  (1, 5, 5, 3)

结果和公式很吻合，但是需要注意，我这个地方是strides=1,如果我们在草稿纸上自己绘图，移动，会误以为这两个方式一样，其实是不一样的。
那我们在看一种情况：

import tensorflow as tf
import numpy as np
x = tf.reshape(tf.range(0,6*6*3),[1,6,6,3])
valid_pad = tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID')
same_pad = tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
print("Valid_pad = ",valid_pad.get_shape())
print("Same_pad = ",same_pad.get_shape())

结果是：
Valid_pad =  (1, 3, 3, 3)
Same_pad =  (1, 3, 3, 3)
这下就是输出形状就是一样的了，我们在看看，到底这两个输出值是不是相等

import tensorflow as tf
import numpy as np
x = tf.reshape(tf.range(0,6*6*3),[1,6,6,3])
valid_pad = tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID')
same_pad = tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
with tf.Session() as sess:
valid_pad, same_pad = sess.run([valid_pad,same_pad])
if valid_pad.all() == same_pad.all():
print("equal")
else:
print("unequal")
print(valid_pad)
print(same_pad)

结果是equal，
[[[[ 21  22  23]
   [ 27  28  29]
   [ 33  34  35]]

  [[ 57  58  59]
   [ 63  64  65]
   [ 69  70  71]]

  [[ 93  94  95]
   [ 99 100 101]
   [105 106 107]]]]
[[[[ 21  22  23]
   [ 27  28  29]
   [ 33  34  35]]

  [[ 57  58  59]
   [ 63  64  65]
   [ 69  70  71]]

  [[ 93  94  95]
   [ 99 100 101]
   [105 106 107]]]]

这种刚好可以整除的情况就是一样的，我们自己手动滑窗口也是一样，除了strides=1的情况。