tf.nn.conv2d中stride对输出的影响

之前一直以为只要padding=’SAME’，那么卷积之后输出的尺寸就和输入相同。其实不是，就算是’SAME’，步长stride也会对输出产生影响的。因为平时我们的步长一般为1，所以对结果并没有什么影响，但是一旦步长不为1，输出尺寸将不再与输入相同。

import tensorflow as tfdata=tf.Variable(tf.random_normal([64,48,48,3]),dtype=tf.float32)weight=tf.Variable(tf.random_normal([5,5,3,64]),dtype=tf.float32)sess=tf.InteractiveSession()tf.global_variables_initializer().run()conv1=tf.nn.conv2d(data,weight,strides=[1,1,1,1],padding='SAME')conv2=tf.nn.conv2d(data,weight,strides=[1,2,2,1],padding='SAME')conv3=tf.nn.conv2d(data,weight,strides=[1,4,4,1],padding='SAME')print(conv1)print(conv2)print(conv3)

结果分别是：

Tensor("Conv2D_6:0", shape=(64, 48, 48, 64), dtype=float32)Tensor("Conv2D_7:0", shape=(64, 24, 24, 64), dtype=float32)Tensor("Conv2D_8:0", shape=(64, 12, 12, 64), dtype=float32)

可以看出，卷积时输出尺寸的大小和stride之间存在倍数关系。