MaxPooling1D 層
MaxPooling1D 類別
tf_keras.layers.MaxPooling1D(
pool_size=2, strides=None, padding="valid", data_format="channels_last", **kwargs
)
用於一維時間資料的最大池化操作。
通過在大小為 pool_size 的空間窗口上取最大值來對輸入表示進行降採樣。窗口會以 strides 的大小移動。當使用 "valid" 填充選項時，輸出的形狀為： output_shape = (input_shape - pool_size + 1) / strides)
當使用 "same" 填充選項時，輸出的形狀為： output_shape = input_shape / strides
例如，對於 strides=1 和 padding="valid"
>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
... strides=1, padding='valid')
>>> max_pool_1d(x)
<tf.Tensor: shape=(1, 4, 1), dtype=float32, numpy=
array([[[2.],
[3.],
[4.],
[5.]]], dtype=float32)>
例如，對於 strides=2 和 padding="valid"
>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
... strides=2, padding='valid')
>>> max_pool_1d(x)
<tf.Tensor: shape=(1, 2, 1), dtype=float32, numpy=
array([[[2.],
[4.]]], dtype=float32)>
例如，對於 strides=1 和 padding="same"
>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
... strides=1, padding='same')
>>> max_pool_1d(x)
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=
array([[[2.],
[3.],
[4.],
[5.],
[5.]]], dtype=float32)>
參數
- pool_size：整數，最大池化窗口的大小。
- strides：整數或 None。指定每次池化步驟中，池化窗口移動的距離。如果為 None，則預設為
pool_size。 - padding：
"valid"或"same"其中之一（不區分大小寫）。"valid"表示不填充。"same"會在輸入的左/右或上/下均勻填充，使得輸出與輸入的高度/寬度尺寸相同。 - data_format：字串，
channels_last(預設) 或channels_first其中之一。輸入中維度的順序。channels_last對應於形狀為(batch, steps, features)的輸入，而channels_first對應於形狀為(batch, features, steps)的輸入。
輸入形狀
- 如果
data_format='channels_last'：形狀為(batch_size, steps, features)的 3D 張量。 - 如果
data_format='channels_first'：形狀為(batch_size, features, steps)的 3D 張量。
輸出形狀
- 如果
data_format='channels_last'：形狀為(batch_size, downsampled_steps, features)的 3D 張量。 - 如果
data_format='channels_first'：形狀為(batch_size, features, downsampled_steps)的 3D 張量。