當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python tf.keras.layers.MaxPool2D用法及代碼示例


2D 空間數據的最大池化操作。

繼承自：Layer，Module

用法

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

參數

  • pool_size 整數或 2 個整數的元組，取最大值的窗口大小。 (2, 2) 將在 2x2 池化窗口中取最大值。如果隻指定一個整數，則兩個維度將使用相同的窗口長度。
  • strides 整數，2 個整數的元組，或無。跨步值。指定每個池化步驟的池化窗口移動多遠。如果沒有，它將默認為 pool_size 。
  • padding "valid" 或 "same" 之一(不區分大小寫)。 "valid" 表示沒有填充。 "same" 導致在輸入的左/右或上/下均勻填充，以使輸出具有與輸入相同的高度/寬度尺寸。
  • data_format 一個字符串，是 channels_last (默認)或 channels_first 之一。輸入中維度的排序。 channels_last 對應於形狀為 (batch, height, width, channels) 的輸入，而 channels_first 對應於形狀為 (batch, channels, height, width) 的輸入。它默認為您的 Keras 配置文件中的 image_data_format 值 ~/.keras/keras.json 。如果您從未設置它，那麽它將是"channels_last"。

返回

  • 等級 4 的張量表示最大池值。有關輸出形狀，請參見上文。

通過為輸入的每個通道在輸入窗口(大小由 pool_size 定義)上取最大值，沿其空間維度(高度和寬度)對輸入進行下采樣。窗口沿每個維度移動strides。

使用 "valid" 填充選項時，生成的輸出具有以下空間形狀(行數或列數)：output_shape = math.floor((input_shape - pool_size) / strides) + 1(當 input_shape >= pool_size 時)

使用 "same" 填充選項時產生的輸出形狀是：output_shape = math.floor((input_shape - 1) / strides) + 1

例如，對於 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，對於 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，對於 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)>

輸入形狀：

  • 如果 data_format='channels_last' ：形狀為 (batch_size, rows, cols, channels) 的 4D 張量。
  • 如果 data_format='channels_first' ：形狀為 (batch_size, channels, rows, cols) 的 4D 張量。

輸出形狀：

  • 如果 data_format='channels_last' ：形狀為 (batch_size, pooled_rows, pooled_cols, channels) 的 4D 張量。
  • 如果 data_format='channels_first' ：形狀為 (batch_size, channels, pooled_rows, pooled_cols) 的 4D 張量。

相關用法


注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.layers.MaxPool2D。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。