平均池化2D层

`AveragePooling2D` 类

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

用于二维空间数据的平均池化操作。

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

当使用"valid"填充选项时，得到的输出的空间形状（行数或列数）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，得到的输出形状为：output_shape = math.floor((input_shape - 1) / strides) + 1

参数

pool_size: 整数或包含两个整数的元组，用于缩小的因子（dim1, dim2）。如果只指定一个整数，则所有维度都将使用相同的窗口长度。
strides: 整数或包含两个整数的元组，或None。步长值。如果为None，则默认为pool_size。如果只指定一个整数，则所有维度都将使用相同的步长大小。
padding: 字符串，可以是"valid"或"same"（不区分大小写）。"valid"表示不填充。"same"导致在输入的左右或上下均匀填充，使得输出的高度/宽度维度与输入相同。
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"：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)

平均池化2D层

AveragePooling2D 类

平均池化2D层

AveragePooling2D 类

`AveragePooling2D` 类