tf.keras.layers.MaxPool?D函数

原创

已于 2022-04-30 10:27:33 修改 · 1.5k 阅读

标签

#python

收录于

于 2022-04-19 16:45:08 首次发布

本文详细介绍了tf.keras.layers.MaxPool1D、MaxPool2D和MaxPool3D在深度学习中的作用，展示了如何通过设置池化窗口大小、移动步长及padding来降低数据维度并提取关键特征。适合理解卷积神经网络中降采样技巧的读者。

最大池化层通常用于对数据进行降采样，去除冗余信息、对特征进行压缩。

1、tf.keras.layers.MaxPool1D函数

函数原型

tf.keras.layers.MaxPool1D(pool_size=2,
						  strides=None,
						  padding='valid',
						  data_format='channels_last',
						  **kwargs
)

函数说明

在这里插入图片描述
参数pool_size表示池化窗口的大小，参数strides表示移动步长，默认为None，表示和pool_size的大小一样。

注意，padding参数的含义和卷积层的padding参数的含义有点不一样，当padding为VALID，也就是无填充时，输出张量的大小为(输入张量的大小-pool_size + 1 )/ strides，当padding为SAME时，输出张量的大小为输入张量的大小 / strides。

2、tf.keras.layers.MaxPool2D函数

函数原型

tf.keras.layers.MaxPool2D(pool_size=(2, 2),
						  strides=None,
						  padding='valid',
						  data_format=None,
						  **kw

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

不负韶华ღ

关注关注

1
点赞
踩
14

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

Tensorflow 2.x(keras)源码详解之第七章：keras中的tf.keras.layers

weixin_43178406的博客

06-10

9534

1. 综述 2. 激活函数Activation 3. Dense 4. Conv2D 5. MaxPool2D 6. GlobalMaxPool2D 7. AveragePooling2D 8. GlobalAveragePooling2D 9. Conv1D 10. MaxPool1D 11. AveragePooling1D 12. GlobalMaxPool1D 13. GlobalAveragePooling1D 14 RNN相关 14.1 SimpleRNNCell 14.2 RNN 14.3 .

参与评论您还未登录，请先登录后发表或查看评论

详解Keras3.0 Layers API: Pooling layers （MaxPooling1D、MaxPooling2D、MaxPooling3D）

lymake的博客

12-12

1995

【代码】详解Keras3.0 Layers API: Pooling layers （MaxPooling1D、MaxPooling2D、MaxPooling3D）

详解Keras 2.0 API:Keras.layers.MaxPooling2D

lymake的博客

04-28

2673

通常情况下，翻倍采样，例如将图片的大小从28x28减小到14x14。如果指定为(1, 1)，则不会有下采样，输出的大小与输入相同。此示意图中，滑动块的最大值分别是[[7,5,6],[7,8,5],[4,5,7]]，分别对应着输出块的唯一值。如果设置为'same'，则在输入的边缘周围填充适当的数量，以便在进行池化操作时，输出大小与输入大小相同。它通常被用于在卷积层后进行下采样，以降低卷积层输出的维度并减少计算量。第二层MaxPooling2D的输出为：3*3 （32）沿输入的高度和宽度方向的步长大小。

pytorch中池化层MaxPool2d函数

qq_24503095的博客

12-21

2万+

对于输入信号的输入通道，提供2维最大池化（max pooling）操作 class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) 参数kernel_size，stride, padding，dilation数据类型：可以是一个i...

tf.keras.layers.MaxPooling2D

一个学术five的blog

10-31

4184

tf.keras.layers.MaxPooling2D

TF-tf.keras.layers.MaxPool1D

柳杰的博客

11-14

2282

tf.keras.layers.MaxPool1D( pool_size=2, strides=None, padding='valid', data_format='channels_last', **kwargs ) 作用： 1D时间数据的最大池化操作通过采用pool_size定义的窗口上的最大值来对输入表示进行下采样。窗口通过strides来控制移动。使用“valid”填充选项时的结果输出具有以下形状：output_shape =（input_shape-pool_size +

tf.keras.layers.MaxPool2D——tf2.1 Document

先说一下，就简单地写点儿氵文，不是博客，只是我的笔记本/工具书

03-31

1053

参考自tf2.1官方文档: https://www.tensorflow.org/api_docs/python/tf/keras/layers/MaxPool2D Max pooling operation for spatial data. 对空间数据进行 Max pooling 操作 tf.keras.layers.MaxPool2D( pool_size=(2, 2), str...

Tensorflow2.0之 tf.keras.layers.MaxPool1D()

weixin_43788143的博客

07-05

2482

参数展示：来自tensorflow2.0的API tf.keras.layers.MaxPool1D( pool_size=2, strides=None, padding='valid', data_format='channels_last', **kwargs ) x = tf.constant([1., 2., 3., 4., 5.]) x = tf.reshape(x, [1, 5, 1]) max_pool_1d = tf.keras.layers.MaxPooling1D(

torch.nn.MaxPool1d各参数分析

yingluo54的博客

12-28

3万+

对torch.nn.MaxPool1d各参数（kernel_size、stride、ceil_mode、dilation、padding）的小白文分析：含官方定义和初步翻译、用代码测试并画图举例讲解各参数的作用。另外讨论了torch.nn.MaxPool1d与torch.max的区别。

pytorch系列文档之Pooling layers详解（MaxPool1d、MaxPool2d、MaxPool3d）

yrwang_xd的博客

06-05

1万+

MaxPool1d torch.nn.MaxPool1d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) 输入size为(N,C,L)，在L维进行池化参数： kernel_size – 池化窗口大小 stride – 步长. Default value is kernel_size padding – padding的值，默认就是不padding dilation – 控制扩

pytorch 池化操作

浩瀚之水的专栏

09-05

2880

nn.MaxPool1d 是一种一维最大池化层，常用于卷积神经网络中对输入张量的空间维度（宽度）进行下采样。该层通过在输入张量上应用一个滑动窗口（也称为池化窗口），并在每个窗口中选择最大值对于输入信号的输入通道，提供1维最大池化（）操作如果输入的大小是(N,C,L)，那么输出的大小是(N,C,L_out)的计算方式是：如果padding不是0，会在输入的每一边添加相应数目0dilation用于控制内核点之间的距离，详细描述在inttupleinttupleoptionalinttuple。

tf.keras.layers.MaxPool2D 示例池化层

weixin_44493841的博客

12-30

2725

tf.keras.layers.MaxPool2D 示例池化层 import tensorflow as tf import numpy as np inputs = np.random.randint( # 随机生成整数 low=1, # 最小整数（包括） high=10, # 最大整数（不包括） size=(4, 28, 28, 3) # 形状 ) inputs = tf.convert_to_tensor(inputs) # nparray转tensor max_

tensorflow之神经网络层：MaxPooling1D、max_pooling1d、MaxPooling2D、max_pooling2d

最新发布

zkw54334的博客

04-29

1895

MaxPool1d 就是“挑时间窗口里最强的响应”来下采样——通道（特征）的语义不变，只有时间分辨率被压缩，从而提取局部最显著的时序信息并减少后续计算量。

[深度学习] 池化层函数及其逆过程函数

真理无穷，进一步有进一步的欢喜

06-27

1507

class torch.nn.MaxPool1d() class torch.nn.MaxPool2d() class torch.nn.MaxPool3d() class torch.nn.AvgPool1d() class torch.nn.AvgPool3d() class torch.nn.AvgPool3d()

使用tf.keras.MaxPooling1D出现错误

IMWTJ123的博客

12-22

2064

错误如下： ValueError: Negative dimension size caused by subtracting 2 from 1 for 'pool_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,1,32]. 首先了解MaxPooling1D： tf.layers.max_pooling1d( inputs, pool_size, strides, padding='valid', dat

2021-08-08

weixin_45060759的博客

08-08

361

无仅供自己记录 tensorflow之神经网络层：MaxPooling1D、max_pooling1d、MaxPooling2D、max_pooling2d 1.tf.layers.MaxPooling1D Class MaxPooling1D：1D输入的最大池化层参数： pool_size:一个整数或者一个单个整数的tuple/list,表示池化窗口的大小 strides:一个整数或者一个单个整数的tuple/list,指定池化操作的移动步幅 padding:一个字符串。padding的方法：”val

tensorfow2对空间数据进行池化的tf.keras.layers.MaxPool2D函数

进击的Explorer

04-14

3550

MaxPool2D的作用是对卷积层输出的空间数据进行池化，采用的池化策略是最大值池化。在使用MaxPool2D时需要配置的参数如下： tf.keras.layers.MaxPool2D ( pool_size=(2, 2), strides=None, padding='valid', data_format=None, **kwargs ) 参数...

基于深度学习的轴承故障诊断

秋雨行舟

05-24

8660

该专栏将较为详细的介绍如何利用深度学习进行故障诊断方面的学术研究，主要以轴承为例，包括深度学习常用框架Tensorflow的搭建以及使用，并会记录完整搭建过程，并以卷积神经网络与循环神经网络为例进行代码编写和实际运行，相信经过本次学习，你能够入门开始着手研究。完成该专栏的学习，你将会收获以下知识： 1.Anaconda的安装以及使用，深度学习框架Tensorflow2的安装以及使用 2.学会如何利用卷积神经网络与循环神经网络进行轴承故障诊断-以凯斯西楚大学轴承数据集为例 3.学会一些常用调参技巧

tf.keras.layers.GlobalMaxPool1D()

sslfk的博客

12-23

1106

与tf.keras.layers.Conv1D的输入一样，输入一个三维数据(batch_size,feature_size,output_dimension) x = tf.constant([[1., 2., 3.], [4., 5., 6.]]) x = tf.reshape(x, [2, 3, 1]) max_pool_1d=tf.keras.layers.GlobalMaxPooling1D() max_pool_1d(x) 其中max_pool_1d(x)和tf.math