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。

通过对输入窗口（大小由pool_size定义）中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。窗口沿每个维度移动strides。

使用"valid"填充选项时，生成的输出的空间形状（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，生成的输出形状为：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，表示下采样的因子（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 2 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"会导致在输入的左右或上下均匀填充，以便输出具有与输入相同的高度/宽度维度。
• 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（位于~/.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])
>>> 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)