conv2d有啥padding方式

Conv2D是卷积神经网络中常用的操作之一，用于提取图像或特征的空间信息。在进行卷积操作时，为了保持输入和输出的尺寸一致或者达到特定的效果，可以使用不同的padding方式。

常见的padding方式有两种：
1. Valid Padding（无填充）：在Valid Padding方式下，不对输入进行填充，卷积核只会在输入图像上滑动，当卷积核的中心位置超出输入图像边界时，该位置的输出将被舍弃。这种方式会导致输出尺寸小于输入尺寸。

2. Same Padding（相同填充）：在Same Padding方式下，会对输入进行填充，使得卷积后输出的尺寸与输入尺寸相同。填充的大小由卷积核的大小和步长决定。填充通常在输入图像的边界上均匀分布，可以使用0值填充或者其他值填充。