【TensorFlow】tf.nn.max_pool实现池化操作
来源:互联网 发布:手机改平板软件 编辑:程序博客网 时间:2024/06/08 11:33
转自:http://blog.csdn.net/mao_xiao_feng/article/details/53453926
参数是四个,和卷积很类似:
max pooling是CNN当中的最大值池化操作,其实用法和卷积很类似
有些地方可以从卷积去参考【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
tf.nn.max_pool(value, ksize, strides, padding, name=None)
参数是四个,和卷积很类似:第一个参数value:需要池化的输入,一般池化层接在卷积层后面,所以输入通常是feature map,依然是[batch, height, width, channels]这样的shape
第二个参数ksize:池化窗口的大小,取一个四维向量,一般是[1, height, width, 1],因为我们不想在
batch和
channels
上做池化,所以这两个维度设为了1
第三个参数strides:和卷积类似,窗口在每一个维度上滑动的步长,一般也是[1, stride,
stride
, 1]
第四个参数padding:和卷积类似,可以取’VALID’ 或者’SAME’
返回一个Tensor,类型不变,shape仍然是[batch, height, width, channels]
这种形式
示例源码:
假设有这样一张图,双通道
第一个通道:
第二个通道:
用程序去做最大值池化:
- import tensorflow as tf
- a=tf.constant([
- [[1.0,2.0,3.0,4.0],
- [5.0,6.0,7.0,8.0],
- [8.0,7.0,6.0,5.0],
- [4.0,3.0,2.0,1.0]],
- [[4.0,3.0,2.0,1.0],
- [8.0,7.0,6.0,5.0],
- [1.0,2.0,3.0,4.0],
- [5.0,6.0,7.0,8.0]]
- ])
- a=tf.reshape(a,[1,4,4,2])
- pooling=tf.nn.max_pool(a,[1,2,2,1],[1,1,1,1],padding=‘VALID’)
- with tf.Session() as sess:
- print(“image:”)
- image=sess.run(a)
- print (image)
- print(“reslut:”)
- result=sess.run(pooling)
- print (result)
import tensorflow as tfa=tf.constant([ [[1.0,2.0,3.0,4.0], [5.0,6.0,7.0,8.0], [8.0,7.0,6.0,5.0], [4.0,3.0,2.0,1.0]], [[4.0,3.0,2.0,1.0], [8.0,7.0,6.0,5.0], [1.0,2.0,3.0,4.0], [5.0,6.0,7.0,8.0]] ])a=tf.reshape(a,[1,4,4,2])pooling=tf.nn.max_pool(a,[1,2,2,1],[1,1,1,1],padding='VALID')with tf.Session() as sess: print("image:") image=sess.run(a) print (image) print("reslut:") result=sess.run(pooling) print (result)这里步长为1,窗口大小2×2,输出结果:
- image:
- [[[[ 1. 2.]
- [ 3. 4.]
- [ 5. 6.]
- [ 7. 8.]]
- [[ 8. 7.]
- [ 6. 5.]
- [ 4. 3.]
- [ 2. 1.]]
- [[ 4. 3.]
- [ 2. 1.]
- [ 8. 7.]
- [ 6. 5.]]
- [[ 1. 2.]
- [ 3. 4.]
- [ 5. 6.]
- [ 7. 8.]]]]
- reslut:
- [[[[ 8. 7.]
- [ 6. 6.]
- [ 7. 8.]]
- [[ 8. 7.]
- [ 8. 7.]
- [ 8. 7.]]
- [[ 4. 4.]
- [ 8. 7.]
- [ 8. 8.]]]]
image:[[[[ 1. 2.] [ 3. 4.] [ 5. 6.] [ 7. 8.]] [[ 8. 7.] [ 6. 5.] [ 4. 3.] [ 2. 1.]] [[ 4. 3.] [ 2. 1.] [ 8. 7.] [ 6. 5.]] [[ 1. 2.] [ 3. 4.] [ 5. 6.] [ 7. 8.]]]]reslut:[[[[ 8. 7.] [ 6. 6.] [ 7. 8.]] [[ 8. 7.] [ 8. 7.] [ 8. 7.]] [[ 4. 4.] [ 8. 7.] [ 8. 8.]]]]池化后的图就是:
证明了程序的结果是正确的。
我们还可以改变步长
- pooling=tf.nn.max_pool(a,[1,2,2,1],[1,2,2,1],padding=‘VALID’)
pooling=tf.nn.max_pool(a,[1,2,2,1],[1,2,2,1],padding='VALID')最后的result就变成:
- reslut:
- [[[[ 8. 7.]
- [ 7. 8.]]
- [[ 4. 4.]
- [ 8. 8.]]]]
reslut:[[[[ 8. 7.] [ 7. 8.]] [[ 4. 4.] [ 8. 8.]]]]
阅读全文
0 0
- 池化操作 tensorflow tf.nn.max_pool
- 【TensorFlow】tf.nn.max_pool实现池化操作
- TensorFlow--tf.nn.max_pool实现池化操作
- 【TensorFlow】tf.nn.max_pool实现池化操作
- TensorFlow 用 tf.nn.max_pool 实现最大池化操作
- TensorFlow学习---tf.nn.max_pool实现池化操作
- 【TensorFlow】tf.nn.max_pool实现池化操作
- TensorFlow:tf.nn.max_pool实现池化操作(转载)
- TensorFlow学习笔记(四):tf.nn.max_pool如何实现池化操作?
- Tensorflow(r1.4)API--tf.nn.max_pool
- tf.nn.max_pool 实例
- tf.nn.max_pool
- tf.nn.max_pool
- tensorflow 池化操作实例 tf.nn.max_pooling
- TensorFlow 用 tf.nn.conv2d 实现卷积操作
- TensorFlow学习---tf.nn.conv2d实现卷积操作
- [译] TF-api(1) tf.nn.max_pool
- tf.nn.max_pool作什么用?
- Django 连接数据库
- 程序员并不呆板,你知道吗
- CSS之position
- #2017 Multi-University Training Contest
- 【如何】您的MySQL服务器开启SSL了吗?
- 【TensorFlow】tf.nn.max_pool实现池化操作
- HDU 3123 GCC
- Sublime Text 安装方法
- Netty理论概述
- 编写可维护的javascript(三):语句和表达式
- Word文档转换PDF格式常见转换技巧汇总
- 软件架构设计的六大原则
- bzoj2632: [neerc2011]Gcd guessing game
- codeforces 471A MUH and Sticks