之前一直對tensorflow的padding一知半解徒像，直到查閱了tensorflow/core/kernels/ops_util.cc中的Get2dOutputSizeVerbose函數(shù)盟庞，才恍然大悟洪添，下面是具體的介紹
實際上tensorflow官方API里有介紹Ｓ倒印赁咙！不科學(xué)上網(wǎng)貌似打不開
根據(jù)tensorflow中的conv2d函數(shù)，我們先定義幾個基本符號
1砰盐、輸入矩陣 W×W闷袒，這里只考慮輸入寬高相等的情況，如果不相等岩梳，推導(dǎo)方法一樣囊骤，不多解釋。
2冀值、filter矩陣 F×F也物，卷積核
3、stride值 S列疗，步長
4滑蚯、輸出寬高為 new_height、new_width
當(dāng)然還有其他的一些具體的參數(shù)抵栈，這里就不再說明了告材。
我們知道，padding的方式在tensorflow里分兩種古劲，一種是VALID斥赋，一種是SAME，下面分別介紹這兩種方式的實際操作方法产艾。
1疤剑、如果padding = ‘VALID’
new_height = new_width = (W – F + 1) / S （結(jié)果向上取整）
也就是說，conv2d的VALID方式不會在原有輸入的基礎(chǔ)上添加新的像素（假定我們的輸入是圖片數(shù)據(jù)闷堡，因為只有圖片才有像素）隘膘，輸出矩陣的大小直接按照公式計算即可。
2杠览、如果padding = ‘SAME’
new_height = new_width = W / S （結(jié)果向上取整）
在高度上需要pad的像素數(shù)為
pad_needed_height = (new_height – 1) ?× S + F - W
根據(jù)上式弯菊，輸入矩陣上方添加的像素數(shù)為
pad_top = pad_needed_height / 2 ?（結(jié)果取整）
下方添加的像素數(shù)為
pad_down = pad_needed_height - pad_top
以此類推，在寬度上需要pad的像素數(shù)和左右分別添加的像素數(shù)為
pad_needed_width = (new_width – 1) ?× S + F - W
pad_left = pad_needed_width ?/ 2 （結(jié)果取整）
pad_right = pad_needed_width – pad_left
至此踱阿，關(guān)于tensorflow的卷積padding操作介紹完畢误续，下面是關(guān)于此操作的源碼（Get2dOutputSizeVerbose函數(shù)的部分節(jié)選）吨悍，我也不會用MarkDown，索性直接截圖了蹋嵌，以供參考
