Python 如何在conv2d中添加特定填充

我试图用python向CNN传递一个张量。我正在为此使用tf.layers.conv2d。我想把输出维度作为输入的一半。我知道我可以使用一个“相同”的填充和一个最大池层来实现这一点，但我在最近的一篇论文中发现的另一种方法是，除了使用1x1填充之外，还使用一个3x3内核和2x2跨步

现在，据我所知，conv2d允许一个名为padding的参数，该参数可以是“有效”或“相同”，它不允许特定长度的padding

是否有任何方法可以直接在操作中实现这一点？我在问，因为这个想法是使用多个卷积层，每个卷积层在长度和宽度上连续地将维度减半

如果有人能指出一个类似的话题或在这方面提供帮助，那就太好了

编辑：

我被要求加入代码。但是没有太多的代码，因为我被困在CNN需要设计的第一点。尽管如此，下面是接受初始输入并开始定义CNN的部分（在这里，我一直在填充class='same'，因为我正在检查这是否可行）：

我被困在这一点上，因为任何进一步的工作都需要正确定义这个初始层，因为连续层也将根据相同的原则工作

---

另外，我的初始输入大小是一个224x224图像，带有一个通道（灰度图像）

因此，我找到了一个答案。 tensorflow中有一个名为pad的内置函数，可以用来求解它。 我正在做的就是这个

output = tf.pad(output, paddings, "CONSTANT")
output = tf.layers.conv2d(output,strides=[2,2],kernel_size=3,filters=3)

这意味着我在变量“paddings”定义如下的每一层之前使用tf.pad

paddings=tf.constant([[0,0], [1,1],[1,1],[0,0]])

---

这样可以确保在传递进行卷积之前对每一层进行填充，从而提供所需的输出

请包含您的代码。卷积的维度是什么？

paddings=tf.constant([[0,0], [1,1],[1,1],[0,0]])