【TensorFlow】TensorFlow函数精讲之tf.nn.max_pool()和tf.nn.avg_pool()

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