带有 padding='SAME' 的 Tensorflow/Keras Conv2D 层表现奇怪

Question

我的问题：

我进行的一个简单的实验表明，在 Keras/TF 中的 conv2d 层中使用与在前面的零填充层中padding='SAME'使用不同。padding='VALID'

1. 这怎么可能？
2. Keras/TF 是否在张量周围对称地填充零？

实验说明 - 如果您有兴趣进一步阅读：

我使用该onnx2keras包将我的 Pytorch 模型转换为 keras/TF。

当onnx2keras遇到 ONNX 模型中的卷积层时，它会将其转换为带填充的padding > 0Keras 层（即无填充！），前面是 Keras层。这非常有效，并且返回与 Pytorch 网络产生的输出相同的输出。Conv2DvalidZeroPadding2D

我仍然觉得奇怪的是它不简单地使用padding='SAME'，因为大多数参考文献都说 Keras/TF 使用零填充，就像 Pytorch 一样。

尽管如此，我还是onnx2keras对其进行了修补并使其生成Conv2D层，padding='SAME'而不是'VALID'使用前面的零填充层进行填充的现有解决方案。这使得生成的模型返回的输出与具有零填充层的输出不同，当然也不同于我的 Pytorch 模型，在补丁之前它是相同的。

Answer 1

padding='Same'在 Keras 中，意味着当输入大小和内核大小不完全匹配时，根据需要添加填充以弥补重叠。

填充='相同'的示例：

# Importing dependency
import keras
from keras.models import Sequential
from keras.layers import Conv2D

# Create a sequential model
model = Sequential()

# Convolutional Layer
model.add(Conv2D(filters=24, input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2) ,padding='Same'))

# Model Summary
model.summary()

代码的输出 -

Model: "sequential_20"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_28 (Conv2D)           (None, 3, 3, 24)          120       
=================================================================
Total params: 120
Trainable params: 120
Non-trainable params: 0
_________________________________________________________________

图示： 下图显示了当 padding='Same' 时输入的填充 (input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2))。

-------------------------------------------------- -------------------------------------------------- --------------

padding='Valid'在 Keras 中意味着不添加填充。

padding='Valid' 的示例： Conv2D 使用了与我们上面用于 padding = 'Same' 相同的输入。即 (input_shape=(5,5,1), kernel_size=(2,2), strides =(2, 2))

# Importing dependency
import keras
from keras.models import Sequential
from keras.layers import Conv2D

# Create a sequential model
model = Sequential()

# Convolutional Layer
model.add(Conv2D(filters=24, input_shape=(5,5,1), kernel_size=(2,2), strides =(2,2) ,padding='Valid'))

# Model Summary
model.summary()

代码的输出 -

Model: "sequential_21"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_29 (Conv2D)           (None, 2, 2, 24)          120       
=================================================================
Total params: 120
Trainable params: 120
Non-trainable params: 0
_________________________________________________________________

图示： 下图显示当 padding='Valid' 时，没有为输入添加填充（input_shape=(5,5,1)、kernel_size=(2,2)、strides =(2,2)）。

-------------------------------------------------- -------------------------------------------------- --------------

现在让我们尝试用于padding='Valid'输入的相同代码（input_shape=(6,6,1)、kernel_size=(2,2)、strides =(2,2)）。这里的padding='Valid'行为应该与 相同padding='Same'。

代码 -

# Importing dependency
import keras
from keras.models import Sequential
from keras.layers import Conv2D

# Create a sequential model
model = Sequential()

# Convolutional Layer
model.add(Conv2D(filters=24, input_shape=(6,6,1), kernel_size=(2,2), strides =(2,2) ,padding='Valid'))

# Model Summary
model.summary()

代码的输出 -

Model: "sequential_22"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_30 (Conv2D)           (None, 3, 3, 24)          120       
=================================================================
Total params: 120
Trainable params: 120
Non-trainable params: 0
_________________________________________________________________