TensorFlow tf.nn.max_pool實(shí)現(xiàn)池化操作方式
max pooling是CNN當(dāng)中的最大值池化操作，其實(shí)用法和卷積很類似
有些地方可以從卷積去參考【TensorFlow】 tf.nn.conv2d實(shí)現(xiàn)卷積的方式
tf.nn.max_pool(value, ksize, strides, padding, name=None)
參數(shù)是四個(gè)，和卷積很類似：
第一個(gè)參數(shù)value：需要池化的輸入，一般池化層接在卷積層后面，所以輸入通常是feature map，依然是[batch, height, width, channels]這樣的shape
第二個(gè)參數(shù)ksize：池化窗口的大小，取一個(gè)四維向量，一般是[1, height, width, 1]，因?yàn)槲覀儾幌朐赽atch和channels上做池化，所以這兩個(gè)維度設(shè)為了1
第三個(gè)參數(shù)strides：和卷積類似，窗口在每一個(gè)維度上滑動(dòng)的步長(zhǎng)，一般也是[1, stride,stride, 1]
第四個(gè)參數(shù)padding：和卷積類似，可以取'VALID' 或者'SAME'
返回一個(gè)Tensor，類型不變，shape仍然是[batch, height, width, channels]這種形式
示例源碼：
假設(shè)有這樣一張圖，雙通道
第一個(gè)通道：
第二個(gè)通道：
用程序去做最大值池化：
import tensorflow as tf
a=tf.constant([
[[1.0,2.0,3.0,4.0],
[5.0,6.0,7.0,8.0],
[8.0,7.0,6.0,5.0],
[4.0,3.0,2.0,1.0]],
[[4.0,3.0,2.0,1.0],
[8.0,7.0,6.0,5.0],
[1.0,2.0,3.0,4.0],
[5.0,6.0,7.0,8.0]]
])
a=tf.reshape(a,[1,4,4,2])
pooling=tf.nn.max_pool(a,[1,2,2,1],[1,1,1,1],padding='VALID')
with tf.Session() as sess:
print("image:")
image=sess.run(a)
print (image)
print("reslut:")
result=sess.run(pooling)
print (result)
這里步長(zhǎng)為1，窗口大小2×2，輸出結(jié)果：
image: [[[[ 1. 2.] [ 3. 4.] [ 5. 6.] [ 7. 8.]] [[ 8. 7.] [ 6. 5.] [ 4. 3.] [ 2. 1.]] [[ 4. 3.] [ 2. 1.] [ 8. 7.] [ 6. 5.]] [[ 1. 2.] [ 3. 4.] [ 5. 6.] [ 7. 8.]]]] reslut: [[[[ 8. 7.] [ 6. 6.] [ 7. 8.]] [[ 8. 7.] [ 8. 7.] [ 8. 7.]] [[ 4. 4.] [ 8. 7.] [ 8. 8.]]]]
池化后的圖就是：
證明了程序的結(jié)果是正確的。
我們還可以改變步長(zhǎng)
pooling=tf.nn.max_pool(a,[1,2,2,1],[1,2,2,1],padding='VALID')
最后的result就變成：
reslut: [[[[ 8. 7.] [ 7. 8.]] [[ 4. 4.] [ 8. 8.]]]]
以上這篇TensorFlow tf.nn.max_pool實(shí)現(xiàn)池化操作方式就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
如何使用Python對(duì)NetCDF數(shù)據(jù)做空間相關(guān)分析
這篇文章主要介紹了如何使用Python對(duì)NetCDF數(shù)據(jù)做空間相關(guān)分析，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下2021-04-04
django drf框架中的user驗(yàn)證以及JWT拓展的介紹
這篇文章主要介紹了django drf框架中的user驗(yàn)證以及JWT拓展的介紹,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)分頁效果，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-10-10
這篇文章主要為大家介紹了AI與Python啟發(fā)式搜索概念詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
Python利用treap實(shí)現(xiàn)雙索引的方法
所遍歷的元素一定是遞增(小堆)或是遞減(大堆)關(guān)系，但是我們無法得知左子樹與右子樹兩部分節(jié)點(diǎn)的排序關(guān)系。本文就來講講算法和數(shù)據(jù)結(jié)構(gòu)共同滿足一組特性，感興趣的小伙伴請(qǐng)參考下面文章的內(nèi)容2021-09-09
python3+opencv生成不規(guī)則黑白mask實(shí)例
今天小編就為大家分享一篇python3+opencv生成不規(guī)則黑白mask實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02
python用pd.read_csv()方法來讀取csv文件的實(shí)現(xiàn)
本文主要介紹了python用pd.read_csv()方法來讀取csv文件的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
在日常系統(tǒng)管理和維護(hù)工作中,執(zhí)行DOS（Disk?Operating?System）命令是一項(xiàng)必不可少的任務(wù),下面我們就來看看如何使用Python編寫一個(gè)簡(jiǎn)單的DOS命令輔助工具,簡(jiǎn)化系統(tǒng)管理任務(wù)吧2024-01-01
Python 中由 yield 實(shí)現(xiàn)異步操作
這篇文章主要介紹了Python 中由 yield 實(shí)現(xiàn)異步操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05
這篇文章主要介紹了Python安裝OpenCV的示例代碼,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-03-03