keras中卷积的两种padding方式

keras中卷积有两种padding方式，一种是SAME，一种是VALID。SAME是在进行卷积前，在图像的周围补一圈0，而用VALID则不对输入图像进行填充。因此，这两种的padding方式得到的输出是不同的，假设n为新得到kernel的尺寸，m为原来kernel的尺寸，k为filters的大小，s为步长，除不尽时向下取整（Pooling操作向上取整）。
padding = 'VALID'的filters尺寸计算公式是：

padding = 'SAME'的filters尺寸计算公式是：

pooling的设计算公式是：

*注：在pytorch中，卷积核的计算方式不同，pytorch中padding方式只有'valid'，并且padding补0的层数可以自己定义（keras只在图像周围增加1层），因此pytorch的卷积核计算方式有些不同：