AveragePooling2D
類別tf_keras.layers.AveragePooling2D(
pool_size=(2, 2), strides=None, padding="valid", data_format=None, **kwargs
)
用於空間資料的平均池化操作。
透過取輸入窗口(大小由 pool_size
定義)中每個輸入通道的平均值,沿其空間維度(高度和寬度)對輸入進行下採樣。窗口沿每個維度移動 strides
的距離。
當使用 "valid"
填充選項時,產生的輸出形狀(行數或列數)為:output_shape = math.floor((input_shape - pool_size) / strides) + 1
(當 input_shape >= pool_size
時)
當使用 "same"
填充選項時,產生的輸出形狀為:output_shape = math.floor((input_shape - 1) / strides) + 1
例如,對於 strides=(1, 1)
和 padding="valid"
>>> x = tf.constant([[1., 2., 3.],
... [4., 5., 6.],
... [7., 8., 9.]])
>>> x = tf.reshape(x, [1, 3, 3, 1])
>>> avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
... strides=(1, 1), padding='valid')
>>> avg_pool_2d(x)
<tf.Tensor: shape=(1, 2, 2, 1), dtype=float32, numpy=
array([[[[3.],
[4.]],
[[6.],
[7.]]]], dtype=float32)>
例如,對於 stride=(2, 2)
和 padding="valid"
>>> x = tf.constant([[1., 2., 3., 4.],
... [5., 6., 7., 8.],
... [9., 10., 11., 12.]])
>>> x = tf.reshape(x, [1, 3, 4, 1])
>>> avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
... strides=(2, 2), padding='valid')
>>> avg_pool_2d(x)
<tf.Tensor: shape=(1, 1, 2, 1), dtype=float32, numpy=
array([[[[3.5],
[5.5]]]], dtype=float32)>
例如,對於 strides=(1, 1)
和 padding="same"
>>> x = tf.constant([[1., 2., 3.],
... [4., 5., 6.],
... [7., 8., 9.]])
>>> x = tf.reshape(x, [1, 3, 3, 1])
>>> avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
... strides=(1, 1), padding='same')
>>> avg_pool_2d(x)
<tf.Tensor: shape=(1, 3, 3, 1), dtype=float32, numpy=
array([[[[3.],
[4.],
[4.5]],
[[6.],
[7.],
[7.5]],
[[7.5],
[8.5],
[9.]]]], dtype=float32)>
參數
(2, 2)
將使輸入在兩個空間維度上減半。如果僅指定一個整數,則兩個維度將使用相同的窗口長度。pool_size
。"valid"
或 "same"
之一(不區分大小寫)。"valid"
表示不填充。"same"
會均勻地填充輸入的左/右或上/下,使輸出具有與輸入相同的高度/寬度維度。channels_last
(預設)或 channels_first
之一。輸入中維度的順序。channels_last
對應於形狀為 (batch, height, width, channels)
的輸入,而 channels_first
對應於形狀為 (batch, channels, height, width)
的輸入。未指定時,使用在您的 TF-Keras 設定檔 ~/.keras/keras.json
中找到的 image_data_format
值(如果存在),否則使用 'channels_last'。預設為 'channels_last'。輸入形狀
data_format='channels_last'
:4D 張量,形狀為 (batch_size, rows, cols, channels)
。data_format='channels_first'
:4D 張量,形狀為 (batch_size, channels, rows, cols)
。輸出形狀
data_format='channels_last'
:4D 張量,形狀為 (batch_size, pooled_rows, pooled_cols, channels)
。data_format='channels_first'
:4D 張量,形狀為 (batch_size, channels, pooled_rows, pooled_cols)
。