Python tf.keras.layers.MaxPool3D用法及代码示例

3D 数据的最大池化操作(空间或spatio-temporal)。

继承自：Layer，Module

用法

tf.keras.layers.MaxPool3D(
    pool_size=(2, 2, 2), strides=None, padding='valid', data_format=None,
    **kwargs
)

参数

pool_size 3 个整数的元组，缩小比例的因子(dim1、dim2、dim3)。 (2, 2, 2) 将在每个维度中将 3D 输入的大小减半。
strides 3 个整数的元组，或无。跨步值。
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, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的输入，而 channels_first 对应于形状为 (batch, channels, spatial_dim1, spatial_dim2, spatial_dim3) 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"。

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(深度、高度和宽度)对输入进行下采样。窗口沿每个维度移动strides。

输入形状：

如果data_format='channels_last'：5D张量，形状：(batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels)
如果data_format='channels_first'：5D张量，形状：(batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3)

输出形状：

如果data_format='channels_last'：5D张量，形状：(batch_size, pooled_dim1, pooled_dim2, pooled_dim3, channels)
如果data_format='channels_first'：5D张量，形状：(batch_size, channels, pooled_dim1, pooled_dim2, pooled_dim3)

例子：

depth = 30
height = 30
width = 30
input_channels = 3

inputs = tf.keras.Input(shape=(depth, height, width, input_channels))
layer = tf.keras.layers.MaxPooling3D(pool_size=3)
outputs = layer(inputs)  # Shape:(batch_size, 10, 10, 10, 3)

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.MaxPool3D。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。