如何在 Conv2D 层中使用 keras 指定填充？

Posted 2023-02-23

【中文标题】如何在 Conv2D 层中使用 keras 指定填充？

【英文标题】：How to specify padding with keras in Conv2D layer?

【发布时间】：2019-09-05 18:18:05

【问题描述】：

我正在尝试使用 Keras 实现 AlexNet，并正在检查 MATLAB 中的网络设计，如下所示

可以看出，第二个卷积层有 256 个大小为 5x5 的过滤器、48 个通道和 [2 2 2 2] 的填充。如何使用 Keras 指定 [2 2 2 2] 的 padding？我通过了documentation of Conv2D。它只接受两个填充值，即valid 和same。我无法理解这一点。据我所知，valid 意味着零填充。如何使用第二个卷积层指定 [2 2 2 2] 填充？我将第一层创建为：

model.add(keras.layers.Conv2D(filters = 96, kernel_size = (11,11), 
 strides = (4,4), padding = "valid", input_shape=(227,227,3)))

另外，由于第二层有 48 个通道，我需要明确说明吗？

【参考方案1】：

Conv2D 中没有指定特定的填充，而是在ZeroPadding2D 层中指定。

valid 和 same 实际上只是常用填充的简写 - valid 表示您不填充输入，same 表示您添加填充以使输出长度与输入长度相同.

如果您想添加大小为 2 的特定填充：

model.add(keras.layers.ZeroPadding2D(padding=(2, 2)))
model.add(keras.layers.Conv2D(filters = 96, kernel_size = (11,11), strides = (4,4), padding = "valid"))

我还强烈建议您查看此keras implementation of alexnet。请注意，您还可以在 the keras convolutional docs 中找到用于填充层的文档（一直在底部）。

【讨论】：

用 2 2 2 2 填充然后在 Conv2D 中使用 padding=same 到底是什么意思？

@SuhailGupta 同样会给你更多的填充，每次你通过一个卷积层你的输出会变小，除非你填充。如果你用 2 2 2 2 填充，你的输入会变大。然后它被传递到你的 conv 层，然后以我上面描述的方式相同/有效地影响它。

@SuhailGupta 你的 (2 2 2 2) 应该对应 ((top_pad, bottom_pad), (left_pad, right_pad))，和ZeroPadding2D(padding=(2, 2))一样。

不加[2 2 2 2] padding直接使用same会有什么不同？

@SzymonMaszke 哦，你是对的，那是我的错，但其他一切都正常

【参考方案2】：

valid 填充正确，请注意使用此参数层后宽度和高度会更小。

另一方面，填充 same 意味着将使用特定的填充大小来确保图像尺寸不会发生变化。

对于您的特定情况，如果您在输入图像的每一侧填充2 像素，您将获得与图层输出完全相同大小的图像。所以指定same 将执行与[2 2 2 2] 完全相同的填充。

如果你想要计算卷积层后输出大小的公式check first answer to this Quora question。

我很少（如果有的话）见过不同的填充方案，所以这些通常就足够了。

顺便说一句。 AlexNet 中的所有层都使用填充 same，除了第一个（如 cmets 中正确指出的另一个答案）。