首页 > TAG信息列表 > pool2D
深度学习笔记019池化层
二维最大池化层： 返回窗口中的最大值。 池化层与卷积层类似，都具有填充和步幅； 没有可学习的参数； 在每个输入通道应用池化层以获得相应的输出通道； 输出通道数==输入通道数 ## 这里不用池化层做多通道融合的原因，是因为通道融合常常是卷积的任务。 除了最大池化层，还有一个平5.4 池化层
池化层 但实际图像里，我们感兴趣的物体不会总出现在固定位置：即使我们连续拍摄同一个物体也极有可能出现像素位置上的偏移。这会导致同一个边缘对应的输出可能出现在卷积输出Y中的不同位置，进而对后面的模式识别造成不便。 在本节中介绍池化（pooling）层，它的提出是为了缓解卷积层对位置TensorFlow基础笔记(11) max_pool2D函数 深度学习
# def max_pool2d(inputs, # kernel_size, # stride=2, # padding='VALID', # data_format=DATA_FORMAT_NHWC, # outputs_collections=None, # scope=None): #"VATensorflowTensorflow细节-P158-slim的使用
slim的使用 从以下细节可以看出先使用slim = tf.contrib.slim要回用，剩下的看看以下代码就懂了 import tensorflow as tf slim = tf.contrib.slim with slim.arg_scope([slim.conv2d, slim.max_pool2d, slim.avg_pool2d], stride=1, padding='VALID'): with tf.variable_scope