MaxPooling2D 層

[原始碼]

MaxPooling2D 類別

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

用於 2D 空間資料的最大池化操作。

沿著其空間維度（高度和寬度）對輸入進行降採樣，方法是針對輸入的每個通道，在輸入視窗（大小由 pool_size 定義）上取最大值。視窗沿著每個維度移動 strides 步長。

當使用 "valid" 填充選項時，產生的輸出具有以下空間形狀（行數或列數）：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

參數

• pool_size：整數或 2 個整數的元組，用於縮減比例的因子 (dim1, dim2)。如果僅指定一個整數，則所有維度都將使用相同的視窗長度。
• strides：整數或 2 個整數的元組，或 None。步長值。如果為 None，則預設為 pool_size。如果僅指定一個整數，則所有維度都將使用相同的步長大小。
• padding：字串，可以是 "valid" 或 "same"（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，使輸出具有與輸入相同的高度/寬度維度。
• data_format：字串，可以是 "channels_last" 或 "channels_first"。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。它預設為在您的 Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定它，則它將為 "channels_last"。

輸入形狀

• 如果 data_format="channels_last"：具有形狀 (batch_size, height, width, channels) 的 4D 張量。
• 如果 data_format="channels_first"：具有形狀 (batch_size, channels, height, width) 的 4D 張量。

輸出形狀

• 如果 data_format="channels_last"：具有形狀 (batch_size, pooled_height, pooled_width, channels) 的 4D 張量。
• 如果 data_format="channels_first"：具有形狀 (batch_size, channels, pooled_height, pooled_width) 的 4D 張量。

範例

strides=(1, 1) 和 padding="valid"

>>> x = np.array([[1., 2., 3.],
...               [4., 5., 6.],
...               [7., 8., 9.]])
>>> x = np.reshape(x, [1, 3, 3, 1])
>>> max_pool_2d = keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding="valid")
>>> max_pool_2d(x)

strides=(2, 2) 和 padding="valid"

>>> x = np.array([[1., 2., 3., 4.],
...               [5., 6., 7., 8.],
...               [9., 10., 11., 12.]])
>>> x = np.reshape(x, [1, 3, 4, 1])
>>> max_pool_2d = keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(2, 2), padding="valid")
>>> max_pool_2d(x)

stride=(1, 1) 和 padding="same"

>>> x = np.array([[1., 2., 3.],
...               [4., 5., 6.],
...               [7., 8., 9.]])
>>> x = np.reshape(x, [1, 3, 3, 1])
>>> max_pool_2d = keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding="same")
>>> max_pool_2d(x)