函数简介

max_pool(value,ksize,strides,padding,data_format=’NHWC’,name=Nome)

参数:

  • value : 一个4-D的tensor格式由 data_format指定
  • ksize : 一个1-D有4个整型元素的tensor,输入tensor每个维度上的窗口大小,[batch,in_height,in_width,in_channels]一般batchin_channels的大小为1.
  • strides : 1-D有4个整型元素的tensor,移动窗口在输入的特征图上每个维度上移动的步长。
  • padding : 字符串,“VALID”或者“SAME”,卷积算法,详见[1]。
  • data_format : “NHWC”,”NCHW”,”NCHW_VECT_C”
  • name : op的名字,

用法:

最大值池化

参考:

[1]https://www.tensorflow.org/api_docs/python/tf/nn/convolution
[2]https://www.tensorflow.org/api_docs/python/tf/nn/max_pool

Tensorflow(r1.4)API--tf.nn.max_pool相关推荐

  1. tensorflow详解-tf.nn.conv2d(),tf.nn.max_pool()

    tf.nn.conv2d() 函数来计算卷积,weights 作为滤波器,[1, 2, 2, 1] 作为 strides.TensorFlow 对每一个 input 维度使用一个单独的 stride ...

  2. 【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 ...

  3. TensorFlow基础篇(六)——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 ...

  4. TensorFlow(七)tf.nn库

    ##tf.nn,tf.layers, tf.contrib模块有很多功能是重复的 下面是对三个模块的简述: tf.nn :提供神经网络相关操作的支持,包括卷积操作(conv).池化操作(pooling ...

  5. tf.nn.max_pool 理解

    tf.nn.max_pool(value, ksize, strides, padding, name=None) 参数是四个,和卷积很类似: 参数value:需要池化的输入,一般池化层接在卷积层后面 ...

  6. tensorflow学习(一)——有关tensorflow不同层的使用(tf.nn 和tf.layers以及tf.contrib.layers)的简单区别

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/holmes_MX/article/de ...

  7. 【TensorFlow】理解tf.nn.conv2d方法 ( 附代码详解注释 )

    最近在研究学习TensorFlow,在做识别手写数字的demo时,遇到了tf.nn.conv2d这个方法,查阅了官网的API 发现讲得比较简略,还是没理解.google了一下,参考了网上一些朋友写得博 ...

  8. TensorFlow教程之API DOC 6.3.10. NN

    本文档为TensorFlow参考文档,本转载已得到TensorFlow中文社区授权. Neural Network Note: Functions taking Tensor arguments ca ...

  9. 【TensorFlow】TensorFlow函数精讲之tf.nn.softmax_cross_entropy_with_logits

    tf.nn.softmax_cross_entropy_with_logits()函数是TensorFlow中计算交叉熵常用的函数. 后续版本中,TensorFlow更新为:tf.nn.softmax ...

最新文章

  1. boost:从0到1开发boost(linux、clion)
  2. 【 MATLAB 】序列相关与序列卷积之间的关系
  3. 虚成员(virtual)
  4. linux root目录install,Linux如何建立、删除、切换目录?
  5. Java黑皮书课后题第2章:*2.23(驾驶费用)编写一个程序,提示用户输入驾驶的距离、每加仑多少英里的汽车燃油性能值,以及每加仑的价格,然后显示旅程的费用
  6. ansible获取linux信息,ansible 获取系统信息的一些范例,ansible系统信息
  7. 高效算法之动态规划(第15章)
  8. 2015 UESTC Winter Training #6【Regionals 2010 North America - Rocky Mountain】
  9. JAVA六大线程池详解
  10. 去百度/阿里/腾讯…做测试的,都是什么样的人?
  11. match和exec的对比
  12. 计算机毕业论文技术可行性怎么写,毕业论文怎么写可行性分析?
  13. win10笔记本 CMD命令直接开启热点(WIFI)
  14. 连接局域网内的Mysql8服务器
  15. python数据驱动创建账号_20190705-Python数据驱动之DDT
  16. css font html里写,HTML,CSS,font
  17. 【编程语言】Scala下载及安装教程 CentOS 7
  18. python数据清洗面试题_利用python进行数据清洗
  19. 杀掉window/system32/driver下.sys的流氓文件
  20. Windows server 2012 服务器挂载NAS盘

热门文章

  1. C++queue队列与stack栈
  2. C - 二进制换十进制(简单)
  3. python爬虫案例——python爬取百度新闻RSS数据
  4. 前端动画大全:css的transition、css3的animation、Jquery的animate、js的setInterval
  5. jquery系列教程5-动画操作全解
  6. 模电里的时变信号直流信号交流信号字母大小写的规定
  7. oracle常用函数介绍
  8. dspic flash不够后,选择优化等级
  9. Java邮件服务学习之一:邮件服务概述
  10. 结对编程-黄金点游戏之旅[二]