大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
TensorFlow 最大池化
![最大池化[通俗易懂]](https://s3.cn-north-1.amazonaws.com.cn/u-img/98f32c32-aa1c-4b00-8497-052506fcf9ce)
![最大池化[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450.jpg)
由 Aphex34 (自己的作品) CC BY-SA 4.0， 通过 Wikimedia Commons 共享
这是一个最大池化的例子max pooling 用了 2×2 的滤波器 stride 为 2。四个 2×2 的颜色代表滤波器移动每个步长所产出的最大值。
例如 [[1, 0], [4, 6]] 生成 6，因为 6 是这4个数字中最大的。同理 [[2, 3], [6, 8]] 生成 8。 理论上，最大池化操作的好处是减小输入大小，使得神经网络能够专注于最重要的元素。最大池化只取覆盖区域中的最大值，其它的值都丢弃。
TensorFlow 提供了 tf.nn.max_pool() 函数，用于对卷积层实现 最大池化 。
...
conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding='SAME') conv_layer = tf.nn.bias_add(conv_layer, bias) conv_layer = tf.nn.relu(conv_layer) # Apply Max Pooling conv_layer = tf.nn.max_pool( conv_layer, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
tf.nn.max_pool() 函数实现最大池化时， ksize参数是滤波器大小，strides参数是步长。2×2 的滤波器配合 2×2 的步长是常用设定。
ksize 和 strides 参数也被构建为四个元素的列表，每个元素对应 input tensor 的一个维度 ([batch, height, width, channels])，对 ksize 和 strides 来说，batch 和 channel 通常都设置成 1。
设置
H = height, W = width, D = depth
- 输入维度是 4x4x5 (HxWxD)
- 滤波器大小 2×2 (HxW)
- stride 的高和宽都是 2 (S)
新的高和宽的公式是：
new_height = (input_height - filter_height)/S + 1 new_width = (input_width - filter_width)/S + 1 注意：池化层的输出深度与输入的深度相同。另外池化操作是分别应用到每一个深度切片层。
下图给你一个最大池化层如何工作的示例。这里，最大池化滤波器的大小是 2×2。当最大池化层在输入层滑动时，输出是这个 2×2 方块的最大值。
![最大池化[通俗易懂]](https://s3.cn-north-1.amazonaws.com.cn/u-img/65576a90-5005-4225-827e-c1cc05d647ba)
池化层输出结果
输出的维度大小是什么？格式写成 HxWxD。
2x2x5
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/167237.html原文链接：https://javaforall.net
