tf.nn.max_pool

max_pool(
    value,
    ksize,
    strides,
    padding,
    data_format='NHWC',
    name=None
)

参数名	必选	类型	说明
value	是	tensor	4 维的张量，即 [ batch, height, width, channels ]，数据类型为 tf.float32
ksize	是	列表	池化窗口的大小，长度为 4 的 list，一般是 [1, height, width, 1]，因为不在 batch 和 channels 上做池化，所以第一个和最后一个维度为 1
strides	是	列表	池化窗口在每一个维度上的步长，一般 strides[0] = strides[3] = 1
padding	是	string	只能为 " VALID "，" SAME " 中之一，这个值决定了不同的池化方式。VALID 丢弃方式；SAME：补全方式
data_format	否	string	只能是 " NHWC ", " NCHW "，默认" NHWC "
name	否	string	运算名称

 最大池化：在池化窗口中选取最大的一个值作为池化后的结果

 平均池化：取池化窗口内所有值的平均数作为池化后的结果

 

示例代码：

import tensorflow as tf

a = tf.constant([1,3,2,1,2,9,1,1,1,3,2,3,5,6,1,2],
                dtype=tf.float32,shape=[1,4,4,1])
b = tf.nn.max_pool(a,ksize=[1,2,2,1],strides=[1,2,2,1],padding='VALID')
c = tf.nn.max_pool(a,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')
with tf.Session() as sess:
    print('b shape:')
    print(b.shape)
    print('b value:')
    print(sess.run(b))
    print('c shape:')
    print(c.shape)
    print('c value:')
    print(sess.run(c))

运行结果：

b shape:
(1, 2, 2, 1)
b value:
[[[[9.]
   [2.]]

  [[6.]
   [3.]]]]
c shape:
(1, 2, 2, 1)
c value:
[[[[9.]
   [2.]]

  [[6.]
   [3.]]]]