this StackOverflow问答
不过，在做了以下测试后，我还是对tf.nn.conv2d的start index和padding策略感到困惑，希望有人能在这里给予我一点提示，尤其是奇数和偶数步幅。
array height（h），kernel size（f），stride number（s）

h,f,s = 4,3,2

左列填充数（pl）矩阵右列填充数（pr）x

pl = int((f-1)/2)                           
pr = int(np.ceil((f-1)/2))                  

tf.reset_default_graph()
x = np.arange(1*h*h*1).reshape(1,h,h,1)
w = np.ones((f,f,1,1))
xc = tf.constant(x,np.float32)
wc = tf.constant(w,np.float32)
xp = np.pad(x,((0,0),(pl,pr),(pl,pr),(0,0)),'constant',constant_values = 0)
xcp = tf.constant(xp,np.float32)
zs = tf.nn.conv2d(xc,wc,strides=[1,s,s,1],padding='SAME')
zv = tf.nn.conv2d(xc,wc,strides=[1,s,s,1],padding='VALID')
zp = tf.nn.conv2d(xcp,wc,strides=[1,s,s,1],padding='VALID')

with tf.Session() as sess:
    os = sess.run(zs)
    ov = sess.run(zv)
    op = sess.run(zp)

print('x shape: ', x.shape,' kernel: ',f,' stride: ',s,'\n',x[0,:,:,0])
print(' 'SAME' os shape: ', os.shape,'\n',os[0,:,:,0])
print(' 'VALID' ov shape: ', ov.shape,'\n',ov[0,:,:,0])
print(' 'VALID' op shape: ', op.shape,' pl: ',pl,' pr: ', pr,'\n',op[0,:,:,0])

在卷积池化的情况下，零填充应该像我定义xp一样填充数组x，但是，我无法计算出它的conv2d开始索引。
原始矩阵x

x shape:  (1, 4, 4, 1)  kernel:  3  stride:  2 
[[ 0  1  2  3]
[ 4  5  6  7]
[ 8  9 10 11]
[12 13 14 15]]

在“相同”类型的卷积中，为什么tf.nn.conv2d不在左边填充零？

'SAME' os shape:  (1, 2, 2, 1) 
[[45. 39.]
[66. 50.]]

矩阵x上的有效卷积：

'VALID' ov shape:  (1, 1, 1, 1) 
[[45.]]

• • 从xp补零后的'valid'类型卷积（正如我预期的结果）。**

'VALID' op shape:  (1, 2, 2, 1)  pl:  1  pr:  1 
[[10. 24.]
[51. 90.]]