TensorFlow 池化层

Bertha 。 2021-09-29 05:00 253阅读 0赞

### 在 TensorFlow 中使用池化层 ###

在下面的练习中，你需要设定池化层的大小，strides，以及相应的 padding。你可以参考 [`tf.nn.max_pool()`][tf.nn.max_pool]。Padding 与卷积 padding 的原理一样。

### 说明 ###

1.  完成 `maxpool` 函数中所有的 `TODO`。
2.  设定 `strides`，`padding` 和 `ksize` 使得池化的结果维度为 `(1, 2, 2, 1)`。

"""
    Set the values to `strides` and `ksize` such that
    the output shape after pooling is (1, 2, 2, 1).
    """
    import tensorflow as tf
    import numpy as np
    
    # `tf.nn.max_pool` requires the input be 4D (batch_size, height, width, depth)
    # (1, 4, 4, 1)
    x = np.array([
        [0, 1, 0.5, 10],
        [2, 2.5, 1, -8],
        [4, 0, 5, 6],
        [15, 1, 2, 3]], dtype=np.float32).reshape((1, 4, 4, 1))
    X = tf.constant(x)
    
    def maxpool(input):
        # TODO: Set the ksize (filter size) for each dimension (batch_size, height, width, depth)
        ksize = [?, ?, ?, ?]
        # TODO: Set the stride for each dimension (batch_size, height, width, depth)
        strides = [?, ?, ?, ?]
        # TODO: set the padding, either 'VALID' or 'SAME'.
        padding = ?
        # https://www.tensorflow.org/versions/r0.11/api_docs/python/nn.html#max_pool
        return tf.nn.max_pool(input, ksize, strides, padding)
        
    out = maxpool(X)

### 方案 ###

这是我的做法。注意：有不止一种方法得到正确的输出维度，你的答案可能会跟我的有所不同。

def maxpool(input):
        ksize = [1, 2, 2, 1]
        strides = [1, 2, 2, 1]
        padding = 'VALID'
        return tf.nn.max_pool(input, ksize, strides, padding)

我想要把输入的 `(1, 4, 4, 1)` 转变成 `(1, 2, 2, 1)`。padding 方法我选择 `'VALID'`。我觉得他更容易理解，也得到了我想要的结果。

out_height = ceil(float(in_height - filter_height + 1) / float(strides[1]))
    out_width  = ceil(float(in_width - filter_width + 1) / float(strides[2]))

替换入值：

out_height = ceil(float(4 - 2 + 1) / float(2)) = ceil(1.5) = 2
    out_width  = ceil(float(4 - 2 + 1) / float(2)) = ceil(1.5) = 2

深度在池化的时候不变，所以不用担心。

转载于:https://www.cnblogs.com/fuhang/p/9264992.html

[tf.nn.max_pool]: https://www.tensorflow.org/api_docs/python/tf/nn/max_pool