tensorflow padding之SAME和VALID

看paper的时候看到same padding的说法，之前撸代码的时候用过tensorflow中的same padding，但是现在具体怎么用的记不清了，查了网上的资料，总感觉很多有些晦涩，也不能说错，但是就是好像没说清楚的样子，容易让人产生歧义。特此整理一波。
（依旧会借鉴前人哦~~~）

在卷积函数conv2d和pooling函数中都会用到下面的这种padding方式~

在用tensorflow写CNN的时候，调用卷积核api的时候，会有填padding方式的参数，找到源码中的函数定义如下（max pooling也是一样），卷积函数原型：

def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None,data_format=None, name=None)

源码中对于padding参数的说明如下：

padding: A `string` from: `"SAME", "VALID"`.The type of padding algorithm to use.

让我们来看看变量x是一个2x3的矩阵，max pooling窗口为2x2，两个维度的strides=2。
第一次由于窗口可以覆盖（橙色区域做max pooling），没什么问题，如下：

接下来就是“SAME”和“VALID”的区别所在：由于步长为2，当向右滑动两步之后，“VALID”方式发现余下的窗口不到2x2所以直接将第三列舍弃，而“SAME”方式并不会把多出的一列丢弃，但是只有一列了不够2x2怎么办？填充！

如上图所示，“SAME”会增加第四列以保证可以达到2x2，但为了不影响原来的图像像素信息，一般以0来填充。这就不难理解不同的padding方式输出的形状会有所不同了。

在CNN用在文本中时，一般卷积层设置卷积核的大小为n×k，其中k为输入向量的维度（即[n,k,input_channel_num,output_channel_num]），这时候我们就需要选择“VALID”填充方式，这时候窗口仅仅是沿着一个维度扫描而不是两个维度。可以理解为统计语言模型当中的N-gram。 比如用在textcenn用来做文本分类的时候就是这么做的~

我们设计网络结构时需要设置输入输出的shape，源码nn_ops.py中的convolution函数和pool函数给出的计算公式如下：

 If padding == "SAME":
      output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides[i])

If padding == "VALID":
  output_spatial_shape[i] = 
  ceil(
          (   input_spatial_shape[i] - 
              (spatial_filter_shape[i]-1) * dilation_rate[i]
          ) 
          / strides[i]
     ).

源码有点乱，其padding之后的大小计算公式可以如下
dilation_rate为一个可选的参数，默认为1，这里我们可以先不管它。
整理一下，对于“VALID”，输出的形状计算如下：

new_height=new_width=⌈(W–F+1)S⌉ n e w _ h e i g h t = n e w _ w i d t h = ⌈ ( W – F + 1 ) S ⌉

对于“SAME”，输出的形状计算如下：

new_height=new_width=⌈WS⌉ n e w _ h e i g h t = n e w _ w i d t h = ⌈ W S ⌉

其中，W为输入的size，F为filter为size，S为步长， ⌈  ⌉ ⌈     ⌉ 为向上取整符号。

可能你以为你了解了细节，但是如果我举个例子，对于3*3的原始矩阵，如果stride=1，filter size=2*2，那么根据公式计算出来的same结果是：3*3，valid计算结果是：2*2
又是为什么呢？

按照上面举的第一个例子看，应该是都是2*2才对啊，因为没有剩余的啊~
其实是这样的，原则是最后一列必须作为最后一个filter的第一列，也就是3 6这一列需要是最后filter的第一列，这样在卷积或者pooling的时候才不会丢失信息，也算是小细节啦~

其他具体计算可以详见参考文献2

参考文献：

• TensorFlow中CNN的两种padding方式“SAME”和“VALID”
• Tensorflow中卷积的padding操作