一些填充步幅 1

填充只是一个奇特的名称：用一些常量围绕输入矩阵。在大多数情况下，常量为零，这就是人们称之为零填充的原因。因此，如果你想在我们的原始输入中使用 1 的填充（使用 padding=0, strides=1 检查第一个示例），矩阵将如下所示：

要计算卷积的值，请执行相同的滑动。请注意，在我们的情况下，中间的许多值不需要重新计算（它们将与前面的示例相同。我也不会在此显示所有计算，因为这个想法很简单。结果是：

哪里

• 5 = 0 * 1 + 0 * 0 + 0 * 1 + 0 * 2 + 4 * 1 + 3 * 0 + 0 * 0 + 0 * 1 + 1 * 1
• …
• 6 = 4 * 1 + 1 * 0 + 0 * 1 + 0 * 2 + 2 * 1 + 0 * 0 + 0 * 0 + 0 * 0 + 0 * 1

TF 不支持 conv2d 函数中的任意填充，因此如果需要一些不支持的填充，请使用 tf.pad() 。幸运的是，对于我们的输入，填充 SAME 将等于 padding = 1.因此我们需要在前面的示例中几乎不做任何改变：

res = tf.squeeze(tf.nn.conv2d(image, kernel, [1, 1, 1, 1], "SAME"))
# 'SAME' makes sure that our output has the same size as input and 
# uses appropriate padding. In our case it is 1.
with tf.Session() as sess:
   print sess.run(res)

你可以验证答案是否与手动计算的答案相同。