全零填充（padding）

1.输出特征尺寸计算

在了解神经网络中卷积计算的整个过程后，就可以对输出特征图的尺寸进行计算，如图 5-8 所示，5×5 的图像经过 3×3 大小的卷积核做卷积计算后输出特征尺寸为 3×3。

 2.全零填充（padding）

为了保持输出图像尺寸与输入图像一致，经常会在输入图像周围进行全零填充，如图 5-9 所示，在 5×5 的输入图像周围填 0，则输出特征尺寸同为 5×5。

在 Tensorflow 框架中，用参数 padding = ‘SAME’或 padding = ‘VALID’表示是否进行全零填充，其对输出特征尺寸大小的影响如下：

 

注意：

在利用 Tensorflow 框架构建卷积网络时，一般会利用 BatchNormalization函数来构建 BN 层，进行批归一化操作，所以在 Conv2D 函数中经常不写 BN。