1、keras卷积操作中border_mode的实现
def conv_output_length(input_length, filter_size, border_mode, stride):
if input_length is None:
return None
assert border_mode in {'same', 'valid'}
if border_mode == 'same':
output_length = input_length
elif border_mode == 'valid':
output_length = input_length - filter_size + 1
return (output_length + stride - 1) // stride
总结：如果卷积的方式选择为same,那么卷积操作的输入和输出尺寸会保持一致。如果选择valid,那卷积过后,尺寸会变小。
2.卷积的操作中,如果使用same,或valid这种模式,有时候会不灵活。必要的时候,需要我们自己去进行补零操作,庆幸的是keras的补零操作是非常灵活的。
keras.layers.convolutional.ZeroPadding2D(padding=(1, 1), dim_ordering='default')
说明：这是keras中的补零操作,下面举2个例子。
padding= (1,0),会在行的最前和最后都增加一行0。比方说,原来的尺寸为(None,20,11,1),padding之后就会变成(None,22,11,1).
padding= (1,1),会在行和列的最前和最后都增加一行0。比方说,原来的尺寸为(None,20,11,1),padding之后就会变成(None,22,13,1).
说明：在复现某个网络的过程中,作者使用的是宽卷积,也即长度为N,滤波器的大小为w,那么卷积之后的结果为N+W-1。这个跟数字信号处理中的卷积操作是一致的。这个就没办法用keras的API,所以直接使用padding就可以了。