如何在Conv2D图层中使用keras指定填充？

Question

我正在尝试用Keras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。如何为Keras指定[2 2 2 2]中的padding？我经历了documentation of Conv2D。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表示零填充。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)))

此外，由于在第二层中有48个通道，我需要对此进行明确说明吗？

Answer 1

没有在Conv2D中指定特定的填充，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，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"))

我也强烈建议您查看此keras implementation of alexnet。请注意，您还可以在the keras convolutional docs中找到用于填充图层的文档（始终在底部）。

Answer 2

您正确填充了valid的填充，请注意，使用该参数的图层的宽度和高度会变小。

另一方面，

填充same表示将使用特定的填充大小来确保图像尺寸不会更改。

对于您的特定情况，如果您在每侧填充2像素的输入图像，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。

如果要使用公式来计算卷积层check first answer to this Quora question之后的输出大小。

我很少（如果有的话）见过不同的填充方案，因此通常就足够了。

顺便说一句。 AlexNet中的所有图层都使用填充same，但第一个除外（如对另一答案的注释中正确指出的那样）。