TensorFlow的tf.nn.max_pool池化操作实现讲解

妖狐艹你老母 2022-05-19 12:37 63阅读 0赞

### 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：  
`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

`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

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

`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

假设有这样一张图，双通道

第一个通道：  
![这里写图片描述][20161204140649120]

第二个通道：  
![这里写图片描述][20161204140850442]

用程序去做最大值池化：

### 示例源码： ###

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，池化后的图就是：

![这里写图片描述][20161204141417771]  
![这里写图片描述][20161204141505210]

[20161204140649120]: /images/20220519/818e46fb3e584e5184e59a8e454e423a.png
[20161204140850442]: /images/20220519/66ab3a9343f946bd8fecbf8d55d08de6.png
[20161204141417771]: /images/20220519/977614639ce64a0186f8d19a76d3045f.png
[20161204141505210]: /images/20220519/76a2aded6f974be59e690c8c54f54a23.png