padding的模式分为SAME和VALID两种方式。下面简单介绍一下两种方式输出shape的计算方法。

tensorflow

VALID

计算公式：
输出的大小直接用输入的大小减去卷积核大小，加1，然后除以步长，最后对结果向上取整。
假如输入的shape为7x7的，卷积核的大小为3x3，步长为2，这样计算出的输出shape为：3x3。对于边界上没有取到的数据直接舍弃掉。

SAME

计算公式

第一步，先用输入的大小除以步长，对结果向上取整。得到输出的shape。例如，input shape是7x7，kernel为3x3，stride为2。则输出的shape为：4x4。注意：padding为Same，strides为1的时候，输入与输出的shape是相等的。
第二步，根据输出shape对输入进行padding的操作。继续上一步的例子，7除以2向上取整为4，就需要将输入的shape通过padding扩展到8x8。当padding的数量为奇数的时候，在tensorflow中会在后面多padding一些。

pytorch

pytorch与tensorflow的区别是先指定padding的大小，而不是通过计算output的大小然后推算出padding大小。
这里以一个pytorch的padding函数为例说明。

ZeroPad2d

CLASS torch.nn.ZeroPad2d(padding)
使用0来填充边界。padding输入是一个int类型的tuple。如果是一个值a，则所有边界使用相同的填充，相当于输入(a, a, a, a)。如果是一个大小为4的tuple，例如：(a, b, c, d)，则对应到填充的位置为(left，right，top，bottom)。

输入shape(N, C, H_in, W_in)
输出shape(N, C, H_out, W_out)

H_out = H_in + top + bottom
W_out = W_in + left + right