tf.nn.avg_pool采用SAME padding时为何未将填充像素纳入平均计算？

你遇到的问题核心在于TensorFlow中tf.nn.avg_pool在padding='SAME'模式下的有效元素计数规则，以及SAME padding的具体填充方式。我们一步步拆解你的例子：

1. 先明确输入与池化参数的维度 #

你的输入img实际会被自动扩展为[1,4,4,2]的4D张量（添加batch维度）：

• batch=1，height=4，width=4，channels=2（每个位置的[0,4]对应通道0的0和通道1的4）
• 池化窗口ksize=[1,4,4,1]：对height和width维度做4x4的窗口池化，stride=1，padding='SAME'

2. SAME padding的填充计算 #

对于SAME padding，输出的height/width等于ceil(input_size / stride)，这里输入height=4，stride=1，所以输出height=4。接下来计算需要填充的像素数：

• 总填充高度：((output_height-1)*stride + ksize_height - input_height) = (3*1 +4-4)=3
• 顶部填充1行，底部填充2行（对称填充规则：当总填充数为奇数时，底部/右侧多填1行/列）
• width维度同理：左侧填充1列，右侧填充2列

填充后的输入height变为4+1+2=7，width变为4+1+2=7，超出原输入的区域填充0。

3. 第一个输出元素的计算逻辑 #

输出的第一个位置（对应原输入左上角）对应的池化窗口是填充后输入的行0-3，列0-3：

• 这个窗口里，只有填充后的行1-3（对应原输入行0-2）、列1-3（对应原输入列0-2）是原输入的有效元素，共3x3=9个，其余位置都是填充的0。
• 通道0的有效元素总和：0*3（原行0的列0-2） +1*3（原行1的列0-2） +2*3（原行2的列0-2）= 0+3+6=9
• 关键：这里平均计算时只除以有效元素的数量9，而不是窗口总大小16，因此结果是9/9=1.0。

4. 为什么第一行全是1.0？ #

因为你的原输入中，每一行的width维度值都是相同的（比如原行0的所有width位置通道0都是0），所以width方向每个窗口的有效元素总和都是9，平均后都是1.0，因此第一行全为1.0。

关于"为什么不是除以16"的疑问 #

这是因为tf.nn.avg_pool有一个count_include_pad参数：

• 当count_include_pad=True（TensorFlow 1.4+默认）：会把填充的0计入总和，除以窗口总大小16，此时第一个元素会是(0*7 +9)/16=0.5625
• 当count_include_pad=False（旧版本默认）：只计算原输入的有效元素，除以有效元素数9，得到你看到的1.0

你的运行结果说明当前环境中这个参数默认是False，或者你可能在代码中隐式设置了这个参数。

内容的提问来源于stack exchange，提问作者NeoZoom.lua