Keras 3 API 文档 / 层 API / 池化层 / AveragePooling2D 层

AveragePooling2D 层

[源]

AveragePooling2D

keras.layers.AveragePooling2D(
    pool_size, strides=None, padding="valid", data_format=None, name=None, **kwargs
)

二维空间数据的平均池化操作。

通过对输入的每个通道,在输入窗口(大小由 pool_size 定义)上取平均值,沿其空间维度(高度和宽度)对输入进行下采样。窗口沿每个维度按 strides 进行移动。

使用 "valid" 填充选项时,输出的空间形状(行或列数)为:output_shape = math.floor((input_shape - pool_size) / strides) + 1(当 input_shape >= pool_size 时)

使用 "same" 填充选项时,输出的形状为:output_shape = math.floor((input_shape - 1) / strides) + 1

参数

  • pool_size: 整数或包含 2 个整数的元组,下采样的因子 (dim1, dim2)。如果只指定一个整数,则所有维度将使用相同的窗口长度。
  • strides: 整数或包含 2 个整数的元组,或 None。步长值。如果为 None,则默认为 pool_size。如果只指定一个整数,则所有维度将使用相同的步长大小。
  • padding: 字符串,可以是 "valid""same"(不区分大小写)。"valid" 表示无填充。"same" 会在输入的左/右或上/下均匀填充,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""channels_first"。输入中的维度顺序。"channels_last" 对应于形状为 (batch, height, width, channels) 的输入,而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为你的 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值。如果你从未设置过它,则默认为 "channels_last"

输入形状

  • 如果 data_format="channels_last":形状为 (batch_size, height, width, channels) 的 4D 张量。
  • 如果 data_format="channels_first":形状为 (batch_size, channels, height, width) 的 4D 张量。

输出形状

  • 如果 data_format="channels_last":形状为 (batch_size, pooled_height, pooled_width, channels) 的 4D 张量。
  • 如果 data_format="channels_first":形状为 (batch_size, channels, pooled_height, pooled_width) 的 4D 张量。

示例

strides=(1, 1)padding="valid"

>>> x = np.array([[1., 2., 3.],
...               [4., 5., 6.],
...               [7., 8., 9.]])
>>> x = np.reshape(x, [1, 3, 3, 1])
>>> avg_pool_2d = keras.layers.AveragePooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding="valid")
>>> avg_pool_2d(x)

strides=(2, 2)padding="valid"

>>> x = np.array([[1., 2., 3., 4.],
...              [5., 6., 7., 8.],
...              [9., 10., 11., 12.]])
>>> x = np.reshape(x, [1, 3, 4, 1])
>>> avg_pool_2d = keras.layers.AveragePooling2D(pool_size=(2, 2),
...    strides=(2, 2), padding="valid")
>>> avg_pool_2d(x)

stride=(1, 1)padding="same"

>>> x = np.array([[1., 2., 3.],
...                  [4., 5., 6.],
...                  [7., 8., 9.]])
>>> x = np.reshape(x, [1, 3, 3, 1])
>>> avg_pool_2d = keras.layers.AveragePooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding="same")
>>> avg_pool_2d(x)