Keras、Tensorflow中卷积、池化Padding参数valid和same的区别总结

Keras中Padding效果可以使用valid和same指定，有些教程上直接把valid和same解读为是否使用填充（valid：不填充，same：填充），有些教程甚至把same解读为输出size和输入size相同，我个人理解以上说法都是片面的。官方帮助上这样说的：“valid”代表只进行有效的卷积，即对边界数据不处理。“same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同。注意两点：1.并未说明是否填充；2.并未说same一定会导致shape相同。经过深入思考，个人理解如下：

1.valid参数代表对输入空间的有效扫描，特别强调“有效扫描”，即最后一次扫描输入特征不够被卷积窗口完全覆盖，则放弃剩下的未扫描的输入特征，扫描结束。此时输出大小的计算：Wout = ceil[(Win - F + 1）/ S]。same参数代表全扫描，也就是说，如果不够覆盖，则在两端边界填充0以实现全部覆盖。此时输出大小的计算：Wout=ceil[Win/S]

2.使用same参数时，导致输出shape和输入shape相同的情况只可能是步幅S=1的情况。一般而言，我们常使用3*3 S=1的卷积窗，因此在左右各填充1列或行时，Wout和Win的shape相同。

3.之所以不能片面理解为填充与不填充，举例说明：Win=14，F=2，S=2，则valid下输出为ceil[(14-2+1)/2] = 7，same下输出为ceil[14/2]= 7，也就是说并未填充也能达到全覆盖效果，所以即便使用same参数，也不会填充0.