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，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
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內(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
這篇文章為大家詳細(xì)主要介紹了常見的python正則用法實(shí)例，列舉Python正則表達(dá)式的幾種匹配用法，感興趣的小伙伴們可以參考一下2016-06-06
解決Python import .pyd 可能遇到路徑的問題
這篇文章主要介紹了解決Python import .pyd 可能遇到路徑的問題，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2021-03-03
Python連接到PostgreSQL數(shù)據(jù)庫的方法詳解
顧名思義,PostgreSQL?是一款為高效管理數(shù)據(jù)庫系統(tǒng)而創(chuàng)建的?SQL?系統(tǒng)軟件,這篇文章主要為大家詳細(xì)介紹了創(chuàng)建與?PostgreSQL?上的數(shù)據(jù)庫的連接的過程,需要的小伙伴可以了解下2023-10-10
這篇文章主要介紹了淺談Python基礎(chǔ)之列表那些事兒,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)Python基礎(chǔ)的小伙伴們有很好地幫助,需要的朋友可以參考下2021-05-05
今天小編就為大家分享一篇django使用xadmin的全局配置詳解，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2019-11-11
這篇文章介紹了Python格式化輸出，主要講解Python格式化輸出的三種方式：%格式化、format格式化、f-String格式化,需要的朋友可以參考下面文章的具體內(nèi)容2021-09-09
關(guān)于django python manage.py startapp 應(yīng)用名出錯(cuò)異常原因解析
這篇文章主要介紹了關(guān)于django python manage.py startapp 應(yīng)用名出錯(cuò)異常原因解析,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2020-12-12
Python實(shí)現(xiàn)csv文件(點(diǎn)表和線表)轉(zhuǎn)換為shapefile文件的方法
這篇文章主要介紹了Python實(shí)現(xiàn)csv文件(點(diǎn)表和線表)轉(zhuǎn)換為shapefile文件的方法,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2021-10-10
使用Django和Python創(chuàng)建Json response的方法
下面小編就為大家分享一篇使用Django和Python創(chuàng)建Json response的方法，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2018-03-03
利用OpenCV實(shí)現(xiàn)YOLO對(duì)象檢測(cè)方法詳解
這篇文章主要介紹了如何使用YOLOV3對(duì)象檢測(cè)器、OpenCV和Python實(shí)現(xiàn)對(duì)圖像和視頻流的檢測(cè)。文中的示例代碼講解詳細(xì)，感興趣的可以了解一下2022-01-01