tf.nn.avg_pooling踩坑

tensorflow之平均池化

首先说一下我遇到的情况，刚开始学tensorflow，接触到池化pooling操作，其中有最大池化max_pooling、平均池化avg_pooling，其中平均池化avg_pooling资料上着重写的是用池化filter范围内的输入矩阵元素总和除以非零元素个数。上代码：

import tensorflow as tf  
  
img=tf.constant([  
        [[0.0,4.0],[0.0,4.0],[0.0,4.0],[0.0,4.0]],  
        [[1.0,5.0],[1.0,5.0],[1.0,5.0],[1.0,5.0]],  
        [[0.0,6.0],[0.0,6.0],[0.0,6.0],[0.0,6.0]],  
        [[3.0,7.0],[3.0,7.0], [3.0,7.0],[3.0,7.0]]
    ])  
  
img=tf.reshape(img,[1,4,4,2])
pooling=tf.nn.avg_pool(img,[1,4,4,1],[1,1,1,1],padding='SAME')
with tf.Session() as sess:  
    print("image:")  
    image=sess.run(img)  
    print (image)  
    result=sess.run(pooling)  
    print ("reslut:\n",result)  

按照资料讲的，结果应该是
reslut:
[[[[1. 5. ]
[1. 5. ]
[1. 5. ]
[1. 5. ]]

[[2. 5.5 ]
[2. 5.5 ]
[2. 5.5 ]
[2. 5.5 ]]

[[2. 6. ]
[2. 6. ]
[2. 6. ]
[2. 6. ]]]

[[3. 6.5 ]
[3. 6.5 ]
[3. 6.5 ]
[3. 6.5 ]]]
但是实际上，结果如下：
reslut:
[[[[0.33333334 5. ]
[0.33333334 5. ]
[0.33333334 5. ]
[0.33333334 5. ]]

[[1. 5.5 ]
[1. 5.5 ]
[1. 5.5 ]
[1. 5.5 ]]

[[1.3333334 6. ]
[1.3333334 6. ]
[1.3333334 6. ]
[1.3333334 6. ]]

[[1.5 6.5 ]
[1.5 6.5 ]
[1.5 6.5 ]
[1.5 6.5 ]]]]
通过比较（可怜我用笔一步一步的套进去），发现取平均并不是对filter范围内的非零元素取平均，而是对filter范围内的非补零元素进行取平均，所谓非补零元素是指padding中补的的零元素之外的元素，即输入矩阵未经过补零操作前的元素（当然指的是filter范围内的）。