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
输入形状
输出形状
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)