padding有兩種可選值：『valid』和『same』。(源影象邊緣的填充，填充值：0)
取值為『valid』時padding=0，並不會對輸入(input)做填充；
取值為『same』時padding>0，將會對輸入(input)做填充，填充值都是0值。
在tf.nn.conv2d中，padding是在周圍做填充。
1.當且僅當stride=1時，padding='same'意味著卷積後的輸出與輸入size保持一致。例如input的size是5×5，kernel（filter）的size是3×3，令padding='same'時（此時padding=1，即在input周圍填充了一圈0），output的size將會與input的size保持一致為5×5。
卷積神經網路的padding規則
宣告 這裡記錄的是李金洪老師 深度學習之tensorflow 一書上的知識點 tensorflow裡使用tf.nn.conv2d函式來實現卷積，其格式如下。tf nn.conv2d input,filter,strides,padding,use cudnn on gpu none,name non...
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習，聯想起之前所學，感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律，e mc 描述了恆星發光的奧秘，v h d哈勃定律描述了宇宙膨脹的奧秘，自然界的大部分現象和規律都可以用數學函式來描述，也就是可以求得乙個函式。神經網路 簡單又...
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...