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