微信公众号:数据挖掘与分析学习
1.tf.layers.MaxPooling1D
Class MaxPooling1D:1D输入的最大池化层
参数:
- pool_size:一个整数或者一个单个整数的tuple/list,表示池化窗口的大小
- strides:一个整数或者一个单个整数的tuple/list,指定池化操作的移动步幅
- padding:一个字符串。padding的方法:”valid”或者’same’
- data_format:一个字符串,channels_last(默认)或channels_first中的一个,输入中维度的排序,channels_last对应于具有形状(batch, length, channels)的输入,而channels_first对应于具有形状(batch, channels, length)的输入。
- name:一个字符串,表示层的名称。
x=tf.Variable(tf.random_normal([2,9,1])) max_pool=tf.layers.MaxPooling1D(pool_size=2,strides=2,padding="SAME") print(max_pool(x)) max_pool=tf.layers.MaxPooling1D(pool_size=2,strides=2) print(max_pool(x)) |
输出:
Tensor("max_pooling1d_4/Squeeze:0", shape=(2, 5, 1), dtype=float32)
Tensor("max_pooling1d_5/Squeeze:0", shape=(2, 4, 1), dtype=float32)
2.tf.layers.max_pooling1d
参数及作用同MaxPooling1D类。
tf.layers.max_pooling1d( inputs, pool_size, strides, padding='valid', data_format='channels_last', name=None ) |
print(tf.layers.max_pooling1d(x,pool_size=2,strides=2)) |
输出:
Tensor("max_pooling1d_7/Squeeze:0", shape=(2, 4, 1), dtype=float32)
3.tf.layers.MaxPooling2D
Class MaxPooling2D:2D输入的最大池化层
参数:
- pool_size:一个整数或者2个整数的元组/列表:(pool_height,pool_width),指定池化窗口的大小。 可以是单个整数,以为所有空间维度指定相同值。
- strides:一个整数或者2个整数的元组/列表,指定池操作的步幅。 可以是单个整数,以为所有空间维度指定相同值。
- padding:字符串,“valid”或者”same”
- data_format:一个字符串,channels_last(默认)或channels_first中的一个,输入中维度的排序,channels_last对应于具有形状(batch,height, width, channels)的输入,而channels_first对应于具有形状(batch, channels, height,width)的输入。
- name:层的名称。
x=tf.Variable(tf.random_normal([10,28,28,3])) #[batch_szie,height,weight,channel] max_pool=tf.layers.MaxPooling2D(pool_size=[2,2],strides=[2,2],padding='SAME') print(max_pool(x)) max_pool=tf.layers.MaxPooling2D(pool_size=[2,2],strides=[2,1],padding='SAME') print(max_pool(x)) |
输出:
Tensor("max_pooling2d_1/MaxPool:0", shape=(10, 14, 14, 3), dtype=float32)
Tensor("max_pooling2d_2/MaxPool:0", shape=(10, 14, 28, 3), dtype=float32)
4.tf.layers.max_pooling2d
tf.layers.max_pooling2d( inputs, pool_size, strides, padding='valid', data_format='channels_last', name=None ) |
参数及作用同max_pooling2d
max_pool=tf.layers.max_pooling2d(x,pool_size=[2,2],strides=[2,2],padding='SAME') print(max_pool) max_pool=tf.layers.max_pooling2d(x,pool_size=[2,2],strides=[2,2],padding='SAME') print(max_pool) |
输出:
Tensor("max_pooling2d_12/MaxPool:0", shape=(10, 14, 14, 3), dtype=float32)
Tensor("max_pooling2d_13/MaxPool:0", shape=(10, 14, 14, 3), dtype=float32)