据我从tf.nn.conv2d doc理解相同的卷积（无论跨度如何），第一个点积应以（0,0）为中心
但是，如您所见，当步幅为奇数时，波纹管的首个乘积似乎以（1,1）为中心：
在这个玩具例子中
输入形状为[5,5,1]
滤网形状为[3,3,1,1]
res = tf.nn.conv2d（X，F，步幅= [1，x，x，1]，padding ='SAME'）
大步1结果：
array([[ 1.49573362, 2.65084887, 2.96818447, 3.04787111, 1.89275599],
[ 3.1941781 , 4.47312069, 4.10260868, 4.13415051, 2.85520792],
[ 2.65490007, 3.41439581, 2.93415952, 3.65811515, 2.89861989],
[ 2.22547054, 2.98453856, 2.89428496, 3.29111433, 2.53204632],
[ 0.52702606, 1.16226625, 1.75986075, 2.20483446, 1.56959426]], dtype=float32)
大步2结果：
array([[ 1.49573362, 2.96818447, 1.89275599],
[ 2.65490007, 2.93415952, 2.89861989],
[ 0.52702606, 1.75986075, 1.56959426]], dtype=float32)
大步3结果：
array([[ 4.47312069, 2.85520792],
[ 1.16226625, 1.56959426]], dtype=float32)
这是一个错误还是我错过了什么？
最佳答案
发生的事情是，如果额外的零列（来自填充）的数量为奇数，tensorflow将在最后添加列。
在您的步幅= 1的示例中，它需要添加两列，因此它在开头添加了一列，在结尾添加一列（表示每一边的开始，结尾：左，右，上，下）。步幅= 2将执行相同的操作。
但是，对于跨度= 3，只需要添加一列，然后在末尾（右侧和底部）添加一列即可。如果需要添加5列，则会在开头（左侧，顶部）添加2列，在结尾（右侧，底部）添加3列
关于python - 偶数步距和奇数步距之间的tensorflow conv2d差异起始索引，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44853243/