如何在Conv2D层中使用keras指定填充？

Question

我正在尝试用Keras实现AlexNet，并在MATLAB中检查网络设计，如下所示

可以看出，第二卷积层具有256个大小为5×5的滤波器，48个信道和[2 2 2 2]的填充。我怎么能用Keras指定[2 2 2 2]的padding？我经历了documentation of Conv2D。它只接受填充的2个值，即valid和same。我无法理解这一点。据我所知，valid意味着零填充。如何用第二个卷积层指定[2 2 2 2]填充？我创建了第一层：

model.add(keras.layers.Conv2D(filters = 96, kernel_size = (11,11), 
 strides = (4,4), padding = "valid", input_shape=(227,227,3)))

此外，由于在第二层有48个频道，我是否需要明确它？

Answer 1

在Conv2D中未指定特定填充，而是在ZeroPadding2D层中指定。

valid和same实际上只是常见填充的缩写--valid意味着你不填充输入和same意味着你添加填充，使输出长度与输入长度相同。

在您的情况下，如果您想添加大小为2的特定填充：

model.add(keras.layers.ZeroPadding2D(padding=(2, 2)))
model.add(keras.layers.Conv2D(filters = 96, kernel_size = (11,11), strides = (4,4), padding = "valid"))

我也强烈建议查看这个keras implementation of alexnet。请注意，您还可以在the keras convolutional docs中找到填充图层的文档（它一直在底部）。

Answer 2

你有valid填充权，请注意使用此参数后图层的宽度和高度将会更小。

另一方面，填充same意味着将使用特定的填充大小来确保图像尺寸不会改变。

对于您的特定情况，如果您在每侧填充2像素的输入图像，您将获得与图层输出完全相同的图像大小。因此，指定same将执行与[2 2 2 2]完全相同的填充。

如果你想在卷积层check first answer to this Quora question后计算输出大小的公式。

我很少（如果有的话）看到不同的填充方案，所以那些通常就足够了。

BTW。 AlexNet中的所有图层都使用填充same，除了第一个（正如在评论中正确指出的另一个答案）。