LeNet将28×28输入图像转为32×32的逻辑及tf.pad填充参数含义咨询

1. LeNet中将28×28输入图像转换为32×32的逻辑 #

• 适配LeNet原始网络结构：LeNet-5的原生设计输入尺寸为32×32，该尺寸下配合第一层5×5、步长为1的无填充卷积核，卷积后输出特征图尺寸刚好为28×28，和MNIST原始图像尺寸一致，能完整覆盖输入特征，无需调整后续卷积、池化层的参数设计。
• 避免边缘特征丢失：如果直接输入28×28的图像，图像边缘的像素点只会被卷积核扫过一次，角落的手写笔迹特征甚至无法被有效提取。填充为32×32后，原始28×28图像处于32×32画布的居中位置，边缘像素也能被卷积核的感受野完整覆盖，保证边缘手写特征的提取效果。

2. tf.pad中paddings参数的含义 #

TensorFlow的tf.pad接口中，paddings参数是和输入张量维度数一致的二维列表，每个子列表的格式为[对应维度前侧填充量, 对应维度后侧填充量]，你所用的paddings=[[0, 0], [2,2], [2,2]]对应含义如下：

• [0, 0]：对应输入张量的第0维，也就是样本批量维度（你的X_train形状为[60000, 28, 28]，第0维就是60000个训练样本），前后填充量都为0代表该维度不做任何填充，处理后批量数依然保持60000不变。
• [2, 2]：对应输入张量的第1维，也就是图像高度维度（行维度），前填充量2代表图像上方填充2行像素，后填充量2代表图像下方填充2行像素，原始高度28填充后变为28+2+2=32。
• [2, 2]：对应输入张量的第2维，也就是图像宽度维度（列维度），前填充量2代表图像左侧填充2列像素，后填充量2代表图像右侧填充2列像素，原始宽度28填充后变为28+2+2=32。

默认填充值为0，也就是在图像四周各补2个像素的黑边，刚好实现原始28×28图像居中放大为32×32的效果。

内容的提问来源于stack exchange，提问作者Siddhesh Shankar