在Tensorflow的卷积层(Conv1D和Conv2D)中，当设置padding='same‘时，哪一侧填充0？

在Tensorflow的卷积层(Conv1D和Conv2D)中，当设置padding='same'时，填充0的一侧是输入数据的边缘。具体来说，当使用padding='same'时，Tensorflow会根据卷积核的大小自动在输入数据的边缘进行填充，使得输出的特征图大小与输入数据大小相同。

对于Conv1D，padding='same'会在输入数据的两侧分别填充卷积核大小的一半。例如，如果输入数据的长度为L，卷积核的大小为K，那么在padding='same'的情况下，Conv1D会在输入数据的两侧分别填充(K-1)/2个0。

对于Conv2D，padding='same'会在输入数据的四个边缘分别填充卷积核大小的一半。假设输入数据的高度为H，宽度为W，卷积核的高度为Kh，宽度为Kw，那么在padding='same'的情况下，Conv2D会在输入数据的上下左右四个边缘分别填充(Kh-1)/2和(Kw-1)/2个0。

填充0的目的是为了保持输入数据与输出特征图的尺寸一致，使得在卷积操作后，特征图的大小不发生变化。这在一些需要保持空间维度一致的任务中非常有用，例如图像分类、目标检测等。

腾讯云相关产品和产品介绍链接地址：

• 腾讯云AI计算平台：https://cloud.tencent.com/product/ai
• 腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
• 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
• 腾讯云对象存储COS：https://cloud.tencent.com/product/cos
• 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas