AveragePooling1D 层

[源代码]

AveragePooling1D 类

keras.layers.AveragePooling1D(
    pool_size, strides=None, padding="valid", data_format=None, name=None, **kwargs
)

用于时间序列数据的平均池化。

通过对由pool_size定义的窗口内取平均值的方式对输入表示进行降采样。窗口以strides为步长进行移动。当使用“valid”填充选项时，结果输出的形状为：output_shape = (input_shape - pool_size + 1) / strides)

当使用“same”填充选项时，结果输出形状为：output_shape = input_shape / strides

参数

• pool_size：整数，最大池化窗口的大小。
• strides：整数或 None。指定池化窗口每次池化步骤移动的距离。如果为 None，则默认为pool_size。
• padding：字符串，可以是"valid"或"same"（不区分大小写）。"valid"表示不填充。"same"导致在输入的左侧/右侧或上下进行均匀填充，使得输出具有与输入相同的高度/宽度维度。
• data_format：字符串，可以是"channels_last"或"channels_first"。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。它默认为在您的 Keras 配置文件 ~/.keras/keras.json 中找到的image_data_format值。如果您从未设置它，则它将为"channels_last"。

输入形状

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

输出形状

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

示例

strides=1 和 padding="valid"

>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> avg_pool_1d = keras.layers.AveragePooling1D(pool_size=2,
...    strides=1, padding="valid")
>>> avg_pool_1d(x)

strides=2 和 padding="valid"

>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> avg_pool_1d = keras.layers.AveragePooling1D(pool_size=2,
...    strides=2, padding="valid")
>>> avg_pool_1d(x)

strides=1 和 padding="same"

>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> avg_pool_1d = keras.layers.AveragePooling1D(pool_size=2,
...    strides=1, padding="same")
>>> avg_pool_1d(x)