MaxPooling1D
类keras.layers.MaxPooling1D(
pool_size=2, strides=None, padding="valid", data_format=None, name=None, **kwargs
)
用于 1D 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。窗口按 strides
移动。
当使用 "valid"
填充选项时,得到的输出形状为:output_shape = (input_shape - pool_size + 1) / strides)
。
当使用 "same"
填充选项时,得到的输出形状为:output_shape = input_shape / strides
参数
pool_size
。"valid"
或 "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尺寸。"channels_last"
或 "channels_first"
。输入维度的顺序。"channels_last"
对应形状为 (batch, steps, features)
的输入,而 "channels_first"
对应形状为 (batch, features, steps)
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,则默认为 "channels_last"
。输入形状
data_format="channels_last"
: 形状为 (batch_size, steps, features)
的 3D 张量。data_format="channels_first"
: 形状为 (batch_size, features, steps)
的 3D 张量。输出形状
data_format="channels_last"
: 形状为 (batch_size, downsampled_steps, features)
的 3D 张量。data_format="channels_first"
: 形状为 (batch_size, features, downsampled_steps)
的 3D 张量。示例
strides=1 且 padding="valid"
>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,
... strides=1, padding="valid")
>>> max_pool_1d(x)
strides=2 且 padding="valid"
>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,
... strides=2, padding="valid")
>>> max_pool_1d(x)
strides=1 且 padding="same"
>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,
... strides=1, padding="same")
>>> max_pool_1d(x)