tf.nn.max_pool()和tf.nn.avg_pool()是TensorFlow中实现最大池化和平均池化的函数,在卷积神经网络中比较核心的方法。
有些和卷积很相似,可以参考TensorFlow函数之tf.nn.conv2d()(附代码详解)
两个函数调用方式相同,下边讲解以tf.nn.max_pool()为例子进行加讲解。
函数格式:
tf.nn.max_pool(value, ksize, strides, padding, name=None)
参数说明:
第一个参数value:需要做池化的输入图像,输入feaure map,因为池化在卷积后边。shape为[batch, in_height, in_width, in_channels]:
- batch:训练时一个batch的图片数量
- in_height:输入图像的高度
- in_width:输入图像的宽度
- in_channels:输入feature map的数量
第二个参数ksize:类似于卷积的过滤器,池化窗口的大小,是一个长度为4的一维数组,但是这个数组的第一