pytorch和tensorflow之间的卷积层填充差异

在上面的pytorch卷积代码行中，padding=（3,3）参数发生了什么变化。如何在tensorflow中实现相同的填充

torch.nn.Conv2d(7, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3))

---

如何在tensorflow中实现这一点？

填充是在图像的每个维度上添加额外的字节。根据文件

填充控制两侧的隐式零填充量 用于填充每个维度的点数

在Tensorflow中，可以使用来执行相同的操作。例如，要执行类似于pytorch的

padding=（3，3）

，可以使用以下代码-

tf.keras.layers.Conv2D(7, 64, stride = (2,2), padding="same padding as pytorch")

输出-

import tensorflow as tf

image = tf.constant([[1, 2, 3], [4, 5, 6]])
paddings = tf.constant([[3, 3,], [3, 3]])

image = tf.pad(image, paddings, "CONSTANT")
print(image)

---

填充是在图像的每个维度上添加额外的字节。根据文件

填充控制两侧的隐式零填充量 用于填充每个维度的点数

在Tensorflow中，可以使用来执行相同的操作。例如，要执行类似于pytorch的

padding=（3，3）

，可以使用以下代码-

tf.keras.layers.Conv2D(7, 64, stride = (2,2), padding="same padding as pytorch")

输出-

import tensorflow as tf

image = tf.constant([[1, 2, 3], [4, 5, 6]])
paddings = tf.constant([[3, 3,], [3, 3]])

image = tf.pad(image, paddings, "CONSTANT")
print(image)