详解Keras 2.0 API:Keras.layers.MaxPooling2D

1、语法

tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=None, padding='valid', data_format=None)

---

2、参数说明

• pool_size: 下采样因子的大小。默认为(2, 2)。通常情况下，翻倍采样，例如将图片的大小从28x28减小到14x14。如果指定为(1, 1)，则不会有下采样，输出的大小与输入相同。

• strides: 步长大小。默认为pool_size也就是2。沿输入的高度和宽度方向的步长大小。

• padding: 全零填充。默认为'valid'。如果设置为'same'，则在输入的边缘周围填充适当的数量，以便在进行池化操作时，输出大小与输入大小相同。

• data_format: 图像格式。默认为None，表示使用TensorFlow的默认数据格式。

---

3、示例

此示意图中，滑动块的最大值分别是[[7,5,6],[7,8,5],[4,5,7]]，分别对应着输出块的唯一值。对于滑动块中的任何值，MaxPooling2D层都会保留最大值，并将其他值丢弃。

MaxPooling2D用于特征提取和降维。它通常被用于在卷积层后进行下采样，以降低卷积层输出的维度并减少计算量。

from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
from tensorflow.keras.models import Sequential

model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(8, 8, 1)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))

model.summary()

 打印模型：

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d (Conv2D)             (None, 6, 6, 32)          320       
                                                                 
 max_pooling2d (MaxPooling2D  (None, 3, 3, 32)         0         
 )                                                               
                                                                 
 flatten (Flatten)           (None, 288)               0         
                                                                 
 dense (Dense)               (None, 10)                2890      
                                                                 
=================================================================
Total params: 3,210
Trainable params: 3,210
Non-trainable params: 0
_________________________________________________________________

根据以上代码可以看出：

输入特征图：8*8（1）

第一层Conv2D卷积核：3*3（32）

第一层Conv2D输出为：6*6（32）

第二层MaxPooling2D的pool_size：2*2 （32）

第二层MaxPooling2D的输出为：3*3 （32）

第三层Flatten拉平后输出为：3*3*32=288（1）

第四层全连接层为：10