MaxPooling2D 层

[源代码]

MaxPooling2D 类

keras.layers.MaxPooling2D(
    pool_size=(2, 2), strides=None, padding="valid", data_format=None, name=None, **kwargs
)

用于二维空间数据的最大池化操作。

通过在输入窗口（大小由 `pool_size` 定义）内对输入的每个通道取最大值，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，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）

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 2 个整数的元组，用于下采样的因子（dim1, dim2）。如果仅指定一个整数，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`。如果仅指定一个整数，则所有维度将使用相同的步长。
• padding：字符串，为 `"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高度/宽度维度。
• data_format：字符串，为 `"channels_last"` 或 `"channels_first"`。输入中维度的顺序。`"channels_last"` 对应形状为 `(batch, height, width, channels)` 的输入，而 `"channels_first"` 对应形状为 `(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，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])
>>> max_pool_2d = keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding="valid")
>>> max_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])
>>> max_pool_2d = keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(2, 2), padding="valid")
>>> max_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])
>>> max_pool_2d = keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding="same")
>>> max_pool_2d(x)