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

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

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_poolvalid_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.]

---