► Keras 2 API 文件 / 層 API / 池化層 / MaxPooling2D 層

MaxPooling2D 層

`MaxPooling2D` 類別

tf_keras.layers.MaxPooling2D(
    pool_size=(2, 2), strides=None, padding="valid", data_format=None, **kwargs
)

用於 2D 空間資料的最大池化操作。

通過針對輸入的每個通道，取輸入視窗（大小由 pool_size 定義）中的最大值，來沿其空間維度（高度和寬度）對輸入進行下採樣。視窗沿每個維度移動 strides 的距離。

當使用 "valid" 填充選項時，得到的輸出空間形狀（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，得到的輸出形狀為：output_shape = math.floor((input_shape - 1) / strides) + 1

例如，當 strides=(1, 1) 且 padding="valid" 時

>>> x = tf.constant([[1., 2., 3.],
...                  [4., 5., 6.],
...                  [7., 8., 9.]])
>>> x = tf.reshape(x, [1, 3, 3, 1])
>>> max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding='valid')
>>> max_pool_2d(x)
<tf.Tensor: shape=(1, 2, 2, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.]],
          [[8.],
           [9.]]]], dtype=float32)>

例如，當 strides=(2, 2) 且 padding="valid" 時

>>> x = tf.constant([[1., 2., 3., 4.],
...                  [5., 6., 7., 8.],
...                  [9., 10., 11., 12.]])
>>> x = tf.reshape(x, [1, 3, 4, 1])
>>> max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(2, 2), padding='valid')
>>> max_pool_2d(x)
<tf.Tensor: shape=(1, 1, 2, 1), dtype=float32, numpy=
  array([[[[6.],
           [8.]]]], dtype=float32)>

用法 # 範例

>>> input_image = tf.constant([[[[1.], [1.], [2.], [4.]],
...                            [[2.], [2.], [3.], [2.]],
...                            [[4.], [1.], [1.], [1.]],
...                            [[2.], [2.], [1.], [4.]]]])
>>> output = tf.constant([[[[1], [0]],
...                       [[0], [1]]]])
>>> model = tf.keras.models.Sequential()
>>> model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    input_shape=(4, 4, 1)))
>>> model.compile('adam', 'mean_squared_error')
>>> model.predict(input_image, steps=1)
array([[[[2.],
         [4.]],
        [[4.],
         [4.]]]], dtype=float32)

例如，當 stride=(1, 1) 且 padding="same" 時

>>> x = tf.constant([[1., 2., 3.],
...                  [4., 5., 6.],
...                  [7., 8., 9.]])
>>> x = tf.reshape(x, [1, 3, 3, 1])
>>> max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding='same')
>>> max_pool_2d(x)
<tf.Tensor: shape=(1, 3, 3, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.],
           [6.]],
          [[8.],
           [9.],
           [9.]],
          [[8.],
           [9.],
           [9.]]]], dtype=float32)>

參數

pool_size：整數或包含 2 個整數的元組，表示取最大值的視窗大小。(2, 2) 將取 2x2 池化視窗中的最大值。如果僅指定一個整數，則兩個維度將使用相同的視窗長度。
strides：整數、包含 2 個整數的元組或 None。步幅值。指定池化視窗在每個池化步驟中移動的距離。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" 會均勻地在輸入的左/右或上/下填充，使輸出的高度/寬度維度與輸入相同。
data_format：字串，為 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, height, width, channels) 的輸入，而 channels_first 對應於形狀為 (batch, channels, height, width) 的輸入。如果未指定，則使用在您的 TF-Keras 設定檔 ~/.keras/keras.json (如果存在) 中找到的 image_data_format 值，否則使用 'channels_last'。預設為 'channels_last'。

輸入形狀

如果 data_format='channels_last'：形狀為 (batch_size, rows, cols, channels) 的 4D 張量。
如果 data_format='channels_first'：形狀為 (batch_size, channels, rows, cols) 的 4D 張量。

輸出形狀

如果 data_format='channels_last'：形狀為 (batch_size, pooled_rows, pooled_cols, channels) 的 4D 張量。
如果 data_format='channels_first'：形狀為 (batch_size, channels, pooled_rows, pooled_cols) 的 4D 張量。

表示最大池化值的秩為 4 的張量。有關輸出形狀，請參閱上方。

MaxPooling2D 層

MaxPooling2D 類別

MaxPooling2D 層

MaxPooling2D 類別

`MaxPooling2D` 類別