Keras 2 API 文档 / 层 API / 池化层 / MaxPooling1D 层

MaxPooling1D 层

[源代码]

MaxPooling1D

tf_keras.layers.MaxPooling1D(
    pool_size=2, strides=None, padding="valid", data_format="channels_last", **kwargs
)

用于一维时序数据的最大池化操作。

通过在大小为 pool_size 的空间窗口上取最大值来对输入表示进行下采样。窗口移动的步长为 strides。使用 "valid" 填充选项时,输出形状为:output_shape = (input_shape - pool_size + 1) / strides)

使用 "same" 填充选项时,输出形状为:output_shape = input_shape / strides

例如,当 strides=1padding="valid"

>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
...    strides=1, padding='valid')
>>> max_pool_1d(x)
<tf.Tensor: shape=(1, 4, 1), dtype=float32, numpy=
array([[[2.],
        [3.],
        [4.],
        [5.]]], dtype=float32)>

例如,当 strides=2padding="valid"

>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
...    strides=2, padding='valid')
>>> max_pool_1d(x)
<tf.Tensor: shape=(1, 2, 1), dtype=float32, numpy=
array([[[2.],
        [4.]]], dtype=float32)>

例如,当 strides=1padding="same"

>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> max_pool_1d = tf.keras.layers.MaxPooling1D(pool_size=2,
...    strides=1, padding='same')
>>> max_pool_1d(x)
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=
array([[[2.],
        [3.],
        [4.],
        [5.],
        [5.]]], dtype=float32)>

参数

  • pool_size: 整数,最大池化窗口的大小。
  • strides: 整数或 None。指定池化窗口在每个池化步骤中的移动量。如果为 None,则默认值为 pool_size
  • padding: "valid""same" 之一(不区分大小写)。"valid" 表示无填充。"same" 会在输入的左/右均匀填充,使输出具有与输入相同的步长维度。
  • data_format: 字符串,channels_last(默认)或 channels_first 之一。输入中维度的顺序。channels_last 对应于形状为 (batch, steps, features) 的输入,而 channels_first 对应于形状为 (batch, features, steps) 的输入。

输入形状

  • 如果 data_format='channels_last': 形状为 (batch_size, steps, features) 的 3D 张量。
  • 如果 data_format='channels_first': 形状为 (batch_size, features, steps) 的 3D 张量。

输出形状

  • 如果 data_format='channels_last': 形状为 (batch_size, downsampled_steps, features) 的 3D 张量。
  • 如果 data_format='channels_first': 形状为 (batch_size, features, downsampled_steps) 的 3D 张量。