Не могу понять форму (выходной) = (форма (значение) - ksize + 1)/успехи в TensorFlow документы

Question

В следующем отрывке из http://tensorflow.org/api_docs/python/nn.md#pooling

формы (выход) = (форма (значение) - ksize + 1)/шагает

, где направление округления зависит от заполнения:

• обивка = 'SAME': округление вниз (только полные окна размера считаются).

• padding = 'VALID': Round up (частичные окна включены).

Я не могу понять формулу выше. Я знаком со следующей формулой:

Форма (вне) = (форма (значение) - ksize + 2 * pad)/strides + 1.

Являются ли две формулы эквивалентными?

Например, форма (значение) = 9, ksize = 3, strides = 2 и padding = 'SAME'.

В первой формуле формы (выход) будет (9-3 + 1)/2 = 7/2 = 3,5 и округление вниз приводит к 3.

Во второй формуле формы (выход) будет (9-3 + 2 * 1)/2 + 1 = 5

Это не похоже на ту же формулу. Даже если я округлю первый, результат будет равен 0.

В дополнение к этому, определение прокладки, похоже, инвертируется. Разве это не одно и то же?

Answer 1

Я думаю, что я понял проблему. Две формулы становятся эквивалентными, если вы предполагаете, что соответствующее заполнение уже включено в форму (значение). Но я все еще думаю, что определение типов заполнения было заменено в документации. Я создал проблему с сообщением о том, что: https://github.com/tensorflow/tensorflow/issues/196