转载自此大神 http://blog.csdn.net/mao_xiao_feng/article/details/53453926

max pooling是CNN当中的最大值池化操作,其实用法和卷积很类似

有些地方可以从卷积去参考【TensorFlow】tf.nn.conv2d是怎样实现卷积的?

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

参数是四个,和卷积很类似:

第一个参数value:需要池化的输入,一般池化层接在卷积层后面,所以输入通常是feature map,依然是[batch, height, width, channels]这样的shape

第二个参数ksize:池化窗口的大小,取一个四维向量,一般是[1, height, width, 1],因为我们不想在batch和channels上做池化,所以这两个维度设为了1

第三个参数strides:和卷积类似,窗口在每一个维度上滑动的步长,一般也是[1, stride,stride, 1]

第四个参数padding:和卷积类似,可以取'VALID' 或者'SAME'

返回一个Tensor,类型不变,shape仍然是[batch, height, width, channels]这种形式

转载于:https://www.cnblogs.com/xubing-613/p/9599863.html

tf入门-池化函数 tf.nn.max_pool 的介绍相关推荐

  1. 4.2 Tensorflow笔记:池化函数

    池化 卷积神经网络的结构 其中,input为输入,conv为卷积层,由卷积核构成,pool为池层,由池化函数构成最后是全连接层与输出层,其负责对卷积层提取的特征进行处理以获得我们需要的结果 ###池化 ...

  2. TensorFlow2简单入门 - 池化层

    文章目录 结构图 结构图

  3. 卷积神经网络(conv2d参数含义、卷积层、池化层)

    本文转载自 罗翌新:中科大数学博士,深度学习医学应用专家: 廖星宇:中科大硕士,计算机视觉专家,Face++资深工程师,<深度学习之Pytorch>作者: 的深度学习理论与实战(基于Ten ...

  4. [深度学习] 池化层函数及其逆过程函数

    池化函数 最大池化函数 一维 class torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indi ...

  5. pytorch深度学习入门与实战——今天我们来对一张图像进行卷积、池化,以及激活层的使用展示

    import numpy as np import torch import torch.nn as nn import matplotlib.pyplot as plt from PIL impor ...

  6. 简单粗暴PyTorch之nn网络层(卷积、池化、线性、激活)

    nn网络层 一.卷积层 1.1 卷积概念 1.2 nn.Conv2d 1.3 转置卷积 二.池化层 Pooling Layer 2.1 最大池化nn.MaxPool2d 2.2 平均池化nn.AvgP ...

  7. 【深度学习之美】激活引入非线性,池化预防过拟合(入门系列之十二)

    12.1 两个看似闲扯的问题 在开讲本章内容之前,先请你思考两个问题呗:第一个问题,你能用直线画出一张漂亮的笑脸吗?第二个问题是,你知道那副著名的对联:"诸葛一生唯谨慎,吕端大事不糊涂&qu ...

  8. 深入浅出TensorFlow2函数——tf.constant

    分类目录:<深入浅出TensorFlow2函数>总目录 相关文章: · 深入浅出TensorFlow2函数--tf.constant · 深入浅出TensorFlow2函数--tf.Ten ...

  9. nn.AvgPool2d——二维平均池化操作

    PyTorch学习笔记:nn.AvgPool2d--二维平均池化操作 torch.nn.AvgPool2d( kernel_size , stride=None , padding=0 , ceil_ ...

  10. 深度学习与神经网络(七)——卷积神经网络之池化pooling 上采样upsample与降采样downsample(下采样)(subsample)(nn.MaxPool2d)

    池化层pooling与采样 upsample与downsample upsample(interpolating)是上采样,是图片的放大 unpool是上采样的一种 downsample(subsam ...

最新文章

  1. 自定义类型数组的初始化
  2. 基于场景建模的自动化配置
  3. python day08
  4. 为什么阿里如此钟爱Flink?
  5. C# 篇基础知识3——面向对象编程
  6. Mac上command not found: vituralenv
  7. zoj3802:easy 2048 again(状压dp)
  8. 怎么在html mui中找到下拉刷新,HelloMUI例子中的下拉刷新
  9. qt4--qt5引用头文件区别
  10. nodejs项目_基于NodeJS从零构建线上自动化打包工作流
  11. Linux教学项——基础环境及命令教学(包括实用shell脚本)
  12. 怎么判断二阶导数是否异号_二阶导数判断凹凸性 二阶导数怎么判断凹凸
  13. 《简约至上》阅读整理
  14. 基于SPH的流体仿真过程
  15. 苹果电池显示维修_安装第三方电池的iPhone也可享受苹果官方维修
  16. linux 挂载3t硬盘分区,Ubuntu挂载3T硬盘或大于2T磁盘的方法
  17. JAVA删除pdf空白页_【Spire.PDF教程】添加或删除 PDF 页面,调整页面顺序-word删除空白页...
  18. 黑马python培训_要一张纯黑的图片。纯黑的。
  19. SAP中批量采购冻结供应商实例
  20. 阿里出品,Excel 操作利器:easy-excel

热门文章

  1. LInux iptables学习
  2. BZOJ 1619: [Usaco2008 Nov]Guarding the Farm 保卫牧场
  3. Oracle 数字与空值的排序问题
  4. xmind 软件画思维导图
  5. 困惑度 | NLP中对困惑度感到困惑?
  6. 【推荐系统】推荐系统研究中常用的评价指标
  7. 库、教程、论文实现,这是一份超全的PyTorch资源列表(Github 2.2K星)
  8. 关系抽取---(三)基于文本的卷积神经网络(Text-CNN)的关系抽取
  9. Netty in action—Netty组件和设计
  10. 揭秘孙小小《PPT演示之道》