TensorFlow学习——tf.nn.max_pool实现池化操作

雨点打透心脏的1/2处 2022-05-10 00:50 65阅读 0赞

转自：[tf.nn.max\_pool实现池化操作][tf.nn.max_pool]

max pooling是CNN当中的最大值池化操作，其实用法和卷积很类似

# tf.nn.max\_pool(value, ksize, strides, padding, name=None) #

# 参数是四个，和卷积很类似： #

第一个参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是\[batch, height, width, channels\]这样的shape

第二个参数ksize：池化窗口的大小，取一个四维向量，一般是\[1, height, width, 1\]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1

第三个参数strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是\[1, stride,stride, 1\]

第四个参数padding：和卷积类似，可以取'VALID' 或者'SAME'

返回一个Tensor，类型不变，shape仍然是\[batch, height, width, channels\]这种形式

#    示例源码： #

假设有这样一张图，双通道

第一个通道：

第二个通道：

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)

这里步长为1，窗口大小2×2，输出结果：

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.]]]]

池化后的图就是：

证明了程序的结果是正确的。

我们还可以改变步长

pooling=tf.nn.max\_pool(a,\[1,2,2,1\],\[1,2,2,1\],padding='VALID')  
最后的result就变成：

reslut:
    [[[[ 8.  7.]
       [ 7.  8.]]
     
      [[ 4.  4.]
       [ 8.  8.]]]]

[tf.nn.max_pool]: https://blog.csdn.net/mao_xiao_feng/article/details/53453926/