Keras中Conv2D设置padding=SAME后输出尺寸仍缩小问题咨询

你对tf.keras.layers.Conv2D中padding="SAME"的作用存在认知偏差，该参数的定义不是所有场景下都保持输入输出特征图尺寸一致：

• 仅当卷积步长strides=(1,1)时，padding="SAME"才会通过补零让输出特征图的高宽和输入完全相等
• 当步长大于1时，padding="SAME"的作用仅为补零保证边缘像素可以被卷积核覆盖，输出特征图的高宽仍然会按照步长比例缩小

TensorFlow官方定义的SAME模式下输出高宽计算公式为：

输出尺寸 = ceil(输入尺寸 / 步长)

你的代码中步长设置为(2,2)，代入计算：

1. 第一层输入尺寸120，输出为ceil(120/2) = 60
2. 第二层输入尺寸60，输出为ceil(60/2) =30
   和你实际运行得到的结果完全吻合，属于正常运行结果。

如果你需要输出特征图尺寸和输入完全一致，可按需求选择以下配置：

• 不需要下采样场景：将两个Conv2D层的strides参数改为(1,1)，搭配padding="SAME"即可保持输出高宽为120x120
  修改后的测试代码示例：

import tensorflow as tf

x = tf.keras.Input([120, 120, 3])
# 步长改为1
conv = tf.keras.layers.Conv2D(filters=3, kernel_size=(3, 3), strides=(1, 1), padding="SAME")(x)
conv = tf.keras.layers.Conv2D(filters=3, kernel_size=(3, 3), strides=(1, 1), padding="SAME")(conv)

model = tf.keras.Model(inputs=[x], outputs=[conv])
model.summary()

• 需要下采样后恢复原尺寸场景：在网络后端搭配Conv2DTranspose转置卷积、或UpSampling2D上采样层，即可恢复到输入尺寸。

内容的提问来源于stack exchange，提问作者TeeTracker