TF06——池化
作者:互联网
TF06——池化
池化(Pooling)
- 池化用于减少特征数据量
- 最大值池化 可提取图片纹理,均值池化可保留背景特征
如果用2*2
的池化核对输入图片以2为步长进行池化,输出图片将变为输入图片的四分之一大小
最大池化,是用2*2
的池化核框住这四个像素点,选择最大的6输出,步长是2 ,滑动到紫色区域,把这四个像素中最大的8输出,再滑动到蓝色区域,把这四个像素中最大的3输出,直到遍历完整个图片,得到输出图片
均值池化和最大池化类似,只不过提取的是四个像素点的均值,得到输出图片
TF描述池化
- 最大值池化
tf.keras.layers.MaxPool2D(
pool_size=池化核尺寸#正方形写核长整数,或(核高h,h)
strides=池化步长#步长整数,或(纵向步长h,横向步长w),默认为pool_size
padding='valid'or'same'#使用全零填充是'same',不使用'valid'(默认)
)
- 均值池化
tf.keras.layers.AveragePooling2D(
pool_size=池化核尺寸#正方形写核长整数,或(核高h,h)
strides=池化步长#步长整数,或(纵向步长h,横向步长w),默认为pool_size
padding='valid'or'same'#使用全零填充是'same',不使用'valid'(默认)
)
例子
model = tf.keras.model.Sequential([
Conv2D(filters=6,kernel size=(5,5),padding='same'),#卷积层
BatchNormalization()#BN层
Activation('relu')#激活层
MaxPool2D(pool_size=(2,2),strides=2,padding='same')#池化层
Dropout(0,2)#dropoutc
])
标签:TF06,same,步长,valid,池化,pool,size 来源: https://www.cnblogs.com/studyhao1999/p/16029382.html