卷積：
same：輸入大小不夠時會在右邊加padding補足。output_shape = ceil(input_shape/ stride_size)
valid：output_shape = ceil((input_shape + kernel_shape - 1) / stride_size)
池化：池化沒有引數，除非使用tf.nn.max_pool_with_argmax_and_mask記錄pool時的最大值下標
反卷積：
在卷積核大小大於輸入大小時，padding預設使用valid，置same沒有意義。
padding設定valid時，stride大小不能大於1；設定為same時，要指定output_shape，因為會有兩種可能輸出。
反池化（unpool）:
unpool會需要使用pool時記錄的最大值下標
tf.nn.max_pool_with_argmax_and_mask
tf.nn.max_unpool(input, max_pool_with_argmax_and_mask,...)
上取樣（upsampling）：
使用簡單複製或者插值的方式。
反卷積 上取樣 上池化
反卷積 上取樣 上池化圖示理解，如上所示。目前使用得最多的deconvolution有2種。方法1 full卷積，完整的卷積可以使得原來的定義域變大 上圖中藍色為原影象，白色為對應卷積所增加的padding，通常全部為0，綠色是卷積後。卷積的滑動是從卷積核右下角與左上角重疊開始進行卷積，滑動步長為1...
上取樣，反卷積，上池化區別
通過卷積和池化等技術可以將影象進行降維，因此，一些研究人員也想辦法恢復原解析度大小的影象，特別是在語義分割領域應用很成熟。通過對一些資料的學習，簡單的整理下三種恢復方法，並進行對比。在fcn u net等網路結構中，涉及到了上取樣。上取樣概念 上取樣指的是任何可以讓影象變成更高解析度的技術。最簡單的...
上取樣 反卷積 上池化的區別
上取樣 反卷積 上池化的區別 圖 a 表示unpooling的過程，特點是在maxpooling的時候保留最大值的位置資訊，之後在unpooling階段使用該資訊擴充feature map，除最大值位置以外，其餘補0。與之相對的是圖 b 兩者的區別在於unsampling階段沒有使用maxpooli...