如何在Conv2D图层中使用keras指定填充？

Question

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

可以看出，第二卷积层具有256个大小为5x5的滤波器，48个通道和[2 2 2 2]的填充。 如何指定padding的[2 2 2 2] padding ？ 我浏览了Conv2D的文档 。 它仅接受2个填充值，即valid和same 。 我不明白这一点。 据我所知， valid意味着零填充。 如何指定第二个卷积层的[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，由于在第二层中有48个通道，因此我需要对此进行明确说明吗？

Answer 1

在Conv2D未指定特定的填充，而是在ZeroPadding2D层中指定。

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

如果您要添加大小为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"))

我也强烈建议您检查一下alexnet的这种keras实现 。 请注意，您还可以在keras卷积文档中找到用于填充层的文档 （始终在底部）。

Answer 2

您的valid填充正确无误，请注意，使用此参数进行分层后，宽度和高度会变小。

填充same ，另一方面是指特定的填充大小将被用来确保图像尺寸将不会改变。

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的图像尺寸。 因此，指定same将执行与[2 2 2 2]完全相同的填充。

如果您想要在卷积层之后计算输出大小的公式， 请首先检查此Quora问题的答案 。

我很少（如果有的话）看到不同的填充方案，因此通常就足够了。

顺便说一句。 AlexNet中的所有层都使用same的填充，但第一个除外（如对另一个答案的注释中正确指出的）。