tensorflow conv2d偶数步长和奇数步长之间的不同起始索引

据我了解从tf.nn.conv2d 文档 https://www.tensorflow.org/api_docs/python/tf/nn/conv2d对于相同的卷积（无论步幅如何）第一个点积应以 (0,0) 为中心 正如您在下面看到的，当步幅为奇数时，第一个点积似乎以 (1,1) 为中心： 在这个玩具示例中

输入形状为 [5,5,1]

过滤器形状为 [3,3,1,1]

res = tf.nn.conv2d(X, F, 步幅=[1,x,x,1], 填充='相同')

步幅 1 结果：

array([[ 1.49573362,  2.65084887,  2.96818447,  3.04787111,  1.89275599],
   [ 3.1941781 ,  4.47312069,  4.10260868,  4.13415051,  2.85520792],
   [ 2.65490007,  3.41439581,  2.93415952,  3.65811515,  2.89861989],
   [ 2.22547054,  2.98453856,  2.89428496,  3.29111433,  2.53204632],
   [ 0.52702606,  1.16226625,  1.75986075,  2.20483446,  1.56959426]], dtype=float32)

步幅 2 结果：

array([[ 1.49573362,  2.96818447,  1.89275599],
   [ 2.65490007,  2.93415952,  2.89861989],
   [ 0.52702606,  1.75986075,  1.56959426]], dtype=float32)

步幅 3 结果：

array([[ 4.47312069,  2.85520792],
   [ 1.16226625,  1.56959426]], dtype=float32)

这是一个错误还是我错过了什么？

发生的情况是，如果额外的零列（来自填充）的数量是奇数，则张量流将在末尾添加列。

在 stride = 1 的示例中，它需要添加两列，因此它在开头添加一列，在末尾添加一列（意味着每侧的开始、结束：左、右、上、下）。 Stride = 2 也会做同样的事情。

但是，对于 stride = 3，它只需要添加一列，并在末尾（右侧和底部）执行此操作。如果需要添加 5 列，它将在开头（左、上）添加 2 列，在末尾（右、下）添加 3 列