Deep learning Can'；不理解形状（输出）=（形状（值）-ksize+；1）/TensorFlow文档中的步幅

以下摘自

形状（输出）=（形状（值）-ksize+1）/步幅

其中，取整方向取决于填充：

• padding='SAME'：向下取整（只考虑全尺寸窗口）

• padding='VALID'：向上取整（包括部分窗口）

我不能理解上面的公式。但我熟悉以下公式：

形状（向外）=（形状（值）-ksize+2*pad）/步幅+1

这两个公式相等吗

例如，假设shape（value）=9，ksize=3，strips=2，padding='SAME'

在第一个公式中，形状（输出）为（9-3+1）/2=7/2=3.5，四舍五入结果为3

在第二个公式中，形状（输出）为（9-3+2*1）/2+1=5

这似乎不是同一个公式。即使我把第一个四舍五入，结果也是4

---

除此之外，填充定义似乎是颠倒的。包含部分窗口的“相同”填充不是吗？

我想我已经解决了问题。如果假定形状（值）中已包含相应的填充，则这两个公式将变得等效。但是我仍然认为填充类型的定义在文档中已经被替换了。我创建了一个问题来报告：

您应该能够接受自己的答案并获得+25分。