通常用外部api进行卷积的时候，会面临mode选择。
本文清晰展示三种模式的不同之处，其实这三种不同模式是对卷积核移动范围的不同限制。
设 image的大小是7x7，filter的大小是3x3
1，full mode
橙色部分为image, 蓝色部分为filter。full模式的意思是，从filter和image刚相交开始做卷积，白色部分为填0。filter的运动范围如图所示。
2，same mode
当filter的中心(K)与image的边角重合时，开始做卷积运算，可见filter的运动范围比full模式小了一圈。注意：这里的same还有一个意思，卷积之后输出的feature map尺寸保持不变(相对于输入图片)。当然，same模式不代表完全输入输出尺寸一样，也跟卷积核的步长有关系。same模式也是最常见的模式，因为这种模式可以在前向传播的过程中让特征图的大小保持不变，调参师不需要精准计算其尺寸变化(因为尺寸根本就没变化)。
3.valid
当filter全部在image里面的时候，进行卷积运算，可见filter的移动范围较same更小了。 --------------------- 作者：木盏 来源：CSDN 原文：https://blog.csdn.net/leviopku/article/details/ 版权声明：本文为博主原创文章，转载请附上博文链接！
到此这篇conv2d参数（conv2d()）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/cjjbc/27367.html