【TensorFlow】tf.nn.max_pool實現池化操作
版權宣告:本文為博主原創文章,轉載請註明出處。 https://blog.csdn.net/mao_xiao_feng/article/details/53453926
max pooling是CNN當中的最大值池化操作,其實用法和卷積很類似
有些地方可以從卷積去參考【TensorFlow】tf.nn.conv2d是怎樣實現卷積的?
tf.nn.max_pool(value, ksize, strides, padding, name=None)
引數是四個,和卷積很類似:
第一個引數value:需要池化的輸入,一般池化層接在卷積層後面,所以輸入通常是feature map,依然是[batch, height, width, channels]這樣的shape
第二個引數ksize:池化視窗的大小,取一個四維向量,一般是[1, height, width, 1],因為我們不想在batch和channels上做池化,所以這兩個維度設為了1
第三個引數strides:和卷積類似,視窗在每一個維度上滑動的步長,一般也是[1, stride,stride, 1]
第四個引數padding:和卷積類似,可以取'VALID' 或者'SAME'
返回一個Tensor,型別不變,shape仍然是[batch, height, width, channels]這種形式
示例原始碼:
假設有這樣一張圖,雙通道
第一個通道:
第二個通道:
用程式去做最大值池化:
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)
這裡步長為1,視窗大小2×2,輸出結果:
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.]]]]
池化後的圖就是:
證明了程式的結果是正確的。
我們還可以改變步長
pooling=tf.nn.max_pool(a,[1,2,2,1],[1,2,2,1],padding='VALID')
最後的result就變成:
reslut:
[[[[ 8. 7.]
[ 7. 8.]]
[[ 4. 4.]
[ 8. 8.]]]]
---------------------
作者:xf__mao
來源:CSDN
原文:https://blog.csdn.net/mao_xiao_feng/article/details/53453926
版權宣告:本文為博主原創文章,轉載請附上博文連結!
相關文章
- 影像的卷積和池化操作卷積
- 影象的卷積和池化操作卷積
- TensorFlow實現Batch NormalizationBATORM
- 在TensorFlow+Keras環境下使用RoI池化一步步實現注意力機制Keras
- DSSM模型和tensorflow實現SSM模型
- 效能優化-記憶體池的設計和實現優化記憶體
- 物件池簡單實現物件
- TensorFlow實現seq2seq
- TensorFlow實現線性迴歸
- 深度學習的TensorFlow實現深度學習
- Oracle 共享池操作Oracle
- 利用Python實現微信半自動化操作!Python
- Golang 控制 iOS 裝置實現自動化操作GolangiOS
- Golang協程池(workpool)實現Golang
- Java 中的物件池實現Java物件
- Golang實現的IP代理池Golang
- 執行緒池的實現執行緒
- DKT模型及其TensorFlow實現(Deep knowledge tracing with Tensorflow)模型
- 使用TensorFlow實現寬深學習
- 【Java】Spring和Tomcat自帶的連線池實現資料庫操作JavaSpringTomcat資料庫
- 使用Robot機器人框架實現自動化操作機器人框架
- 【TensorFlow篇】--Tensorflow框架初始,實現機器學習中多元線性迴歸框架機器學習
- 【TensorFlow篇】--Tensorflow框架實現SoftMax模型識別手寫數字集框架模型
- Swoole MySQL 連線池的實現MySql
- 執行緒池的實現原理執行緒
- Unity實現簡單的物件池Unity物件
- 實現一個redis連線池Redis
- Python實現MySQL連線池PythonMySql
- ofbiz 連線池如何實現?
- 資料庫連線池實現資料庫
- 簡易執行緒池實現執行緒
- 使用tensorflow操作MNIST資料
- 使用TensorFlow可實現文章自動摘要
- 使用TensorFlow實現手寫識別(Softmax)
- 利用Tensorflow實現神經網路模型神經網路模型
- 利用TensorFlow實現多元線性迴歸
- 利用TensorFlow實現多元邏輯迴歸邏輯迴歸
- 利用TensorFlow實現線性迴歸模型模型