当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.keras.layers.MaxPool2D用法及代码示例


2D 空间数据的最大池化操作。

继承自：Layer，Module

用法

tf.keras.layers.MaxPool2D(
    pool_size=(2, 2), strides=None, padding='valid', data_format=None,
    **kwargs
)

参数

  • pool_size 整数或 2 个整数的元组，取最大值的窗口大小。 (2, 2) 将在 2x2 池化窗口中取最大值。如果只指定一个整数，则两个维度将使用相同的窗口长度。
  • strides 整数，2 个整数的元组，或无。跨步值。指定每个池化步骤的池化窗口移动多远。如果没有，它将默认为 pool_size 。
  • padding "valid" 或 "same" 之一(不区分大小写)。 "valid" 表示没有填充。 "same" 导致在输入的左/右或上/下均匀填充，以使输出具有与输入相同的高度/宽度尺寸。
  • data_format 一个字符串，是 channels_last (默认)或 channels_first 之一。输入中维度的排序。 channels_last 对应于形状为 (batch, height, width, channels) 的输入，而 channels_first 对应于形状为 (batch, channels, height, width) 的输入。它默认为您的 Keras 配置文件中的 image_data_format 值 ~/.keras/keras.json 。如果您从未设置它，那么它将是"channels_last"。

返回

  • 等级 4 的张量表示最大池值。有关输出形状，请参见上文。

通过为输入的每个通道在输入窗口(大小由 pool_size 定义)上取最大值，沿其空间维度(高度和宽度)对输入进行下采样。窗口沿每个维度移动strides。

使用 "valid" 填充选项时，生成的输出具有以下空间形状(行数或列数)：output_shape = math.floor((input_shape - pool_size) / strides) + 1(当 input_shape >= pool_size 时)

使用 "same" 填充选项时产生的输出形状是：output_shape = math.floor((input_shape - 1) / strides) + 1

例如，对于 strides=(1, 1) 和 padding="valid" ：

x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])
x = tf.reshape(x, [1, 3, 3, 1])
max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='valid')
max_pool_2d(x)
<tf.Tensor:shape=(1, 2, 2, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.]],
          [[8.],
           [9.]]]], dtype=float32)>

例如，对于 strides=(2, 2) 和 padding="valid" ：

x = tf.constant([[1., 2., 3., 4.],
                 [5., 6., 7., 8.],
                 [9., 10., 11., 12.]])
x = tf.reshape(x, [1, 3, 4, 1])
max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   strides=(2, 2), padding='valid')
max_pool_2d(x)
<tf.Tensor:shape=(1, 1, 2, 1), dtype=float32, numpy=
  array([[[[6.],
           [8.]]]], dtype=float32)>

使用示例：

input_image = tf.constant([[[[1.], [1.], [2.], [4.]],
                           [[2.], [2.], [3.], [2.]],
                           [[4.], [1.], [1.], [1.]],
                           [[2.], [2.], [1.], [4.]]]])
output = tf.constant([[[[1], [0]],
                      [[0], [1]]]])
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   input_shape=(4, 4, 1)))
model.compile('adam', 'mean_squared_error')
model.predict(input_image, steps=1)
array([[[[2.],
         [4.]],
        [[4.],
         [4.]]]], dtype=float32)

例如，对于 stride=(1, 1) 和 padding="same"：

x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])
x = tf.reshape(x, [1, 3, 3, 1])
max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='same')
max_pool_2d(x)
<tf.Tensor:shape=(1, 3, 3, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.],
           [6.]],
          [[8.],
           [9.],
           [9.]],
          [[8.],
           [9.],
           [9.]]]], dtype=float32)>

输入形状：

  • 如果 data_format='channels_last' ：形状为 (batch_size, rows, cols, channels) 的 4D 张量。
  • 如果 data_format='channels_first' ：形状为 (batch_size, channels, rows, cols) 的 4D 张量。

输出形状：

  • 如果 data_format='channels_last' ：形状为 (batch_size, pooled_rows, pooled_cols, channels) 的 4D 张量。
  • 如果 data_format='channels_first' ：形状为 (batch_size, channels, pooled_rows, pooled_cols) 的 4D 张量。

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.layers.MaxPool2D。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。