Python tf.keras.layers.MaxPool1D用法及代码示例

一维时间数据的最大池化操作。

继承自：Layer，Module

用法

tf.keras.layers.MaxPool1D(
    pool_size=2, strides=None, padding='valid',
    data_format='channels_last', **kwargs
)

通过在大小为 pool_size 的空间窗口上取最大值来对输入表示进行下采样。窗口移动 strides 。使用 "valid" 填充选项时，生成的输出具有以下形状：output_shape = (input_shape - pool_size + 1) / strides)

使用 "same" 填充选项时产生的输出形状是：output_shape = input_shape / strides

例如，对于 strides=1 和 padding="valid" ：

x = tf.constant([1., 2., 3., 4., 5.])
x = tf.reshape(x, [1, 5, 1])
max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
   strides=1, padding='valid')
max_pool_1d(x)
<tf.Tensor:shape=(1, 4, 1), dtype=float32, numpy=
array([[[2.],
        [3.],
        [4.],
        [5.]]], dtype=float32)>

例如，对于 strides=2 和 padding="valid" ：

x = tf.constant([1., 2., 3., 4., 5.])
x = tf.reshape(x, [1, 5, 1])
max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
   strides=2, padding='valid')
max_pool_1d(x)
<tf.Tensor:shape=(1, 2, 1), dtype=float32, numpy=
array([[[2.],
        [4.]]], dtype=float32)>

例如，对于 strides=1 和 padding="same" ：

x = tf.constant([1., 2., 3., 4., 5.])
x = tf.reshape(x, [1, 5, 1])
max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
   strides=1, padding='same')
max_pool_1d(x)
<tf.Tensor:shape=(1, 5, 1), dtype=float32, numpy=
array([[[2.],
        [3.],
        [4.],
        [5.],
        [5.]]], dtype=float32)>

输入形状：

• 如果 data_format='channels_last' ：形状为 (batch_size, steps, features) 的 3D 张量。
• 如果 data_format='channels_first' ：形状为 (batch_size, features, steps) 的 3D 张量。

输出形状：

• 如果 data_format='channels_last' ：形状为 (batch_size, downsampled_steps, features) 的 3D 张量。
• 如果 data_format='channels_first' ：形状为 (batch_size, features, downsampled_steps) 的 3D 张量。