AveragePooling2D 层

[源代码]

AveragePooling2D 类

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

2D 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（高和宽）对输入进行下采样。窗口沿每个维度移动 strides。

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

当使用 "same" 填充选项时，结果输出形状为：output_shape = input_shape

参数

• pool_size：整数或 2 个整数的元组，按此比例缩小（dim1，dim2）。如果只指定一个整数，所有维度都将使用相同的窗口长度。
• strides：整数或 2 个整数的元组，或 None。步幅值。如果为 None，则默认为 pool_size。如果只指定一个整数，所有维度都将使用相同的步幅大小。
• padding：字符串，可以是 "valid" 或 "same"（不区分大小写）。"valid" 表示不填充。"same" 会在输入的左/右或上/下均匀填充，使输出具有与输入相同的高/宽维度。
• 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, 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 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) 和 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) 和 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) 和 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)