在使用Tensorflow构建神经网络时，`padding`参数是一个经常被提到的概念。它决定了卷积操作后输出张量的大小。其中，`VALID`和`SAME`是两个最常用的选项，它们的区别就像两条路通向不同的目的地👇：

1️⃣ VALID模式

当选择`VALID`时，卷积核只在输入数据的有效区域内滑动，不会对边缘进行填充(padding)。因此，输出尺寸会小于输入尺寸，这可能会导致信息丢失。例如，如果输入是一个6×6的图像，而卷积核为3×3，那么输出将变成4×4。适合于希望减少计算量或仅关注核心特征的场景。

2️⃣ SAME模式

与`VALID`不同，`SAME`会在输入周围自动填充零值，确保输出尺寸与输入尺寸一致（某些情况下可能需要向上取整）。比如上述例子中，输出仍会保持为6×6。这种方式更适用于需要保留空间信息的任务，如图像分割等。

💡总结来说，`VALID`强调效率，而`SAME`则注重完整性。选择哪种方式取决于你的具体需求！🌟

深度学习 Tensorflow 卷积神经网络