日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

max pooling是CNN當中的大值池化操作，其實用法和卷積很類似

創(chuàng)新互聯(lián)建站主營饒平網(wǎng)站建設的網(wǎng)絡公司,主營網(wǎng)站建設方案,app軟件定制開發(fā),饒平h5微信小程序定制開發(fā)搭建,饒平網(wǎng)站營銷推廣歡迎饒平等地區(qū)企業(yè)咨詢

有些地方可以從卷積去參考【TensorFlow】 tf.nn.conv2d實現(xiàn)卷積的方式

tf.nn.max_pool(value, ksize, strides, padding, name=None)

參數(shù)是四個，和卷積很類似：

第一個參數(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

第二個參數(shù)ksize：池化窗口的大小，取一個四維向量，一般是[1, height, width, 1]，因為我們不想在batch和channels上做池化，所以這兩個維度設為了1

第三個參數(shù)strides：和卷積類似，窗口在每一個維度上滑動的步長，一般也是[1, stride,stride, 1]

第四個參數(shù)padding：和卷積類似，可以取'VALID' 或者'SAME'

返回一個Tensor，類型不變，shape仍然是[batch, height, width, channels]這種形式

示例源碼：

假設有這樣一張圖，雙通道

第一個通道：

第二個通道：

用程序去做大值池化：

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)

文章名稱：TensorFlowtf.nn.max_pool實現(xiàn)池化操作方式-創(chuàng)新互聯(lián)
本文路徑：http://www.dlmjj.cn/article/coheed.html