MaxPooling1D 层

[源代码]

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下采样输入表示。窗口移动步长为 strides。

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: int, 最大池化窗口的大小。
• strides: int 或 None。指定池化窗口在每个池化步骤中移动的步长。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" 表示无填充。"same" 表示在输入的左/右或上/下均匀填充，使输出与输入具有相同的高度/宽度尺寸。
• 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，则默认为 "channels_last"。

输入形状

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

输出形状

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

示例

strides=1 和 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 和 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 和 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)