TensorFlow基础篇（六）——tf.nn.max_pool()和tf.nn.avg

tf.nn.max_pool()和tf.nn.avg_pool()是TensorFlow中实现最大池化和平均池化的函数，在卷积神经网络中比较核心的方法。

有些和卷积很相似，可以参考TensorFlow基础篇（七）——tf.nn.conv2d()（附代码详解）

两个函数调用方式相同，下边讲解以tf.nn.max_pool()为例子进行加讲解。

函数格式：

tf.nn.max_pool（value, ksize, strides, padding, name=None)

参数说明：

第一个参数value：需要做池化的输入图像，输入feaure map，因为池化在卷积后边。shape为[batch, in_height, in_width, in_channels]：

batch：训练时一个batch的图片数量
in_height：输入图像的高度
in_width：输入图像的宽度
in_channels：输入feature map的数量
第二个参数ksize：类似于卷积的过滤器，池化窗口的大小，是一个长度为4的一维数组，但是这个数组的第一个和最后一数必须为1，即[1, height, width, 1]。这意味着池化层的过滤器是不可以在batch和channels上做池化。实际应用中，使用最多的过滤器尺寸为[1, 2, 2, 1]或者[1, 3, 3, 1]。

height:过滤器的高度
width：过滤器的宽度
第三个参数strides：不同维度上的步长，是一个长度为4的一维向量，[ 1, strides, strides, 1]，第一维和最后一维的数字要求必须是1。因为卷积层的步长只对矩阵的长和宽有效。

第四个参数padding：string类型，是否考虑边界，值为“SAME”和“VALID”，"SAME"是考虑边界，不足的时候用填充周围，"VALID"则不考虑边界。。

返回tensor，shape仍然是[batch, height, width, channels]这种形式。

下边通过例子来说明tf.nn.max_pool()函数的用法：

输入是1张 3*3 大小的feature map，数量是1，过滤器大小是[1, 2, 2, 1]，步长是[1,1,1,1]，padding值时'VALID'，最后得到一个 2*2 的feature map。1张图最后输出就是一个 shape为[1,2,2,1] 的tensor。

#!/usr/bin/env python
# -*- coding:utf-8 -*-import tensorflow as tfvalue = tf.Variable(tf.random_normal([1, 3, 3, 1]))
ksize = [1, 2, 2, 1]pool = tf.nn.max_pool(value, ksize, strides=[1, 1, 1, 1], padding='VALID')with tf.Session() as sess:# 初始化变量op_init = tf.global_variables_initializer()sess.run(op_init)print("value的值为：")print(sess.run(value))print("池化值为：")print(sess.run(pool))

执行过程如下：

运行结果：

TensorFlow基础篇（六）——tf.nn.max_pool()和tf.nn.avg_pool()相关推荐

【TensorFlow】TensorFlow函数精讲之tf.nn.max_pool()和tf.nn.avg_pool()
tf.nn.max_pool()和tf.nn.avg_pool()是TensorFlow中实现最大池化和平均池化的函数,在卷积神经网络中比较核心的方法. 有些和卷积很相似,可以参考TensorFlow ...
深度学习（10）TensorFlow基础操作六: 数学运算
深度学习(10)TensorFlow基础操作六: 数学运算 1. Operation type 2. + - * / % // 3. tf.math.log & tf.exp 4. log2, ...
Nginx实战基础篇六通过源码包编译安装部署LNMP搭建Discuz论坛
Nginx实战基础篇六通过源码包编译安装部署LNMP搭建Discuz论坛版权声明: 本文遵循"署名非商业性使用相同方式共享 2.5 中国大陆"协议您可以自由复制.发行.展览. ...
Vue基础篇六：Vue使用JSX进行动态渲染
系列文章目录 Vue基础篇一:编写第一个Vue程序 Vue基础篇二:Vue组件的核心概念 Vue基础篇三:Vue的计算属性与侦听器 Vue基础篇四:Vue的生命周期(秒杀案例实战) Vue基础篇五:V ...
TensorFlow基础篇（二）——tf.get_variable()和tf.get_variable_scope()
1.tf.get_variable() tf.get_variable()用来创建变量时,和tf.Variable()函数的功能基本等价. v = tf.get_variable("v&qu ...
TensorFlow基础篇（一）——tf.train.exponential_decay()
tf.train.exponential_decay实现指数衰减率.通过这个函数,可以先使用较大的学习率来快速得到一个比较优的解,然后随着迭代的继续逐步减小学习率,使得模型在训练后期更加稳定. tf. ...
Tensorflow[基础篇]——LSTM的理解与实现
前言本文参考了tensorflow github里面的实现的lstm的教程代码6_lstm.ipynb.因为这代码即实现了lstm,也实操了tf的内容,可以说是一箭双雕. 源码地址:https:// ...
TensorFlow基础篇（七）——tf.nn.conv2d()
tf.nn.conv2d是TensorFlow里面实现卷积的函数,是搭建卷积神经网络比较核心的一个方法. 函数格式: tf.nn.conv2d(input, filter, strides, padd ...
TensorFlow基础篇（四）—— tf.nn.relu()
tf.nn.relu()函数是将大于0的数保持不变,小于0的数置为0,函数如图1所示. ReLU函数是常用的神经网络激活函数之一. 下边为ReLU例子: import tensorflow as tf ...

TensorFlow基础篇（六）——tf.nn.max_pool()和tf.nn.avg_pool()

TensorFlow基础篇（六）——tf.nn.max_pool()和tf.nn.avg_pool()相关推荐

最新文章

热门文章