Python tf.keras.layers.MaxPool1D用法及代碼示例

一維時間數據的最大池化操作。

繼承自：Layer，Module

用法

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

通過在大小為 pool_size 的空間窗口上取最大值來對輸入表示進行下采樣。窗口移動 strides 。使用 "valid" 填充選項時，生成的輸出具有以下形狀：output_shape = (input_shape - pool_size + 1) / strides)

使用 "same" 填充選項時產生的輸出形狀是：output_shape = input_shape / strides

例如，對於 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，對於 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，對於 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)>

輸入形狀：

• 如果 data_format='channels_last' ：形狀為 (batch_size, steps, features) 的 3D 張量。
• 如果 data_format='channels_first' ：形狀為 (batch_size, features, steps) 的 3D 張量。

輸出形狀：

• 如果 data_format='channels_last' ：形狀為 (batch_size, downsampled_steps, features) 的 3D 張量。
• 如果 data_format='channels_first' ：形狀為 (batch_size, features, downsampled_steps) 的 3D 張量。