► Keras 2 API 文档 / 层 API / 池化层 / MaxPooling2D 层

MaxPooling2D 层

`MaxPooling2D` 类

tf_keras.layers.MaxPooling2D(
    pool_size=(2, 2), strides=None, padding="valid", data_format=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。

当使用"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）

当使用"same"填充选项时，生成的输出形状为：output_shape = math.floor((input_shape - 1) / strides) + 1

例如，对于strides=(1, 1)和padding="valid"

>>> x = tf.constant([[1., 2., 3.],
...                  [4., 5., 6.],
...                  [7., 8., 9.]])
>>> x = tf.reshape(x, [1, 3, 3, 1])
>>> max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding='valid')
>>> max_pool_2d(x)
<tf.Tensor: shape=(1, 2, 2, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.]],
          [[8.],
           [9.]]]], dtype=float32)>

例如，对于strides=(2, 2)和padding="valid"

>>> x = tf.constant([[1., 2., 3., 4.],
...                  [5., 6., 7., 8.],
...                  [9., 10., 11., 12.]])
>>> x = tf.reshape(x, [1, 3, 4, 1])
>>> max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(2, 2), padding='valid')
>>> max_pool_2d(x)
<tf.Tensor: shape=(1, 1, 2, 1), dtype=float32, numpy=
  array([[[[6.],
           [8.]]]], dtype=float32)>

用法 # 示例

>>> input_image = tf.constant([[[[1.], [1.], [2.], [4.]],
...                            [[2.], [2.], [3.], [2.]],
...                            [[4.], [1.], [1.], [1.]],
...                            [[2.], [2.], [1.], [4.]]]])
>>> output = tf.constant([[[[1], [0]],
...                       [[0], [1]]]])
>>> model = tf.keras.models.Sequential()
>>> model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    input_shape=(4, 4, 1)))
>>> model.compile('adam', 'mean_squared_error')
>>> model.predict(input_image, steps=1)
array([[[[2.],
         [4.]],
        [[4.],
         [4.]]]], dtype=float32)

例如，对于stride=(1, 1) 和 padding="same"

>>> x = tf.constant([[1., 2., 3.],
...                  [4., 5., 6.],
...                  [7., 8., 9.]])
>>> x = tf.reshape(x, [1, 3, 3, 1])
>>> max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
...    strides=(1, 1), padding='same')
>>> max_pool_2d(x)
<tf.Tensor: shape=(1, 3, 3, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.],
           [6.]],
          [[8.],
           [9.],
           [9.]],
          [[8.],
           [9.],
           [9.]]]], dtype=float32)>

参数

pool_size：整数或包含 2 个整数的元组，取最大值的窗口大小。(2, 2)将对 2x2 的池化窗口取最大值。如果只指定一个整数，则两个维度将使用相同的窗口长度。
strides：整数、包含 2 个整数的元组或 None。步长值。指定池化窗口每次池化步骤移动的距离。如果为 None，则默认为pool_size。
padding："valid"或"same"之一（不区分大小写）。"valid"表示不填充。"same"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，channels_last（默认）或channels_first之一。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。如果未指定，则使用 TF-Keras 配置文件 ~/.keras/keras.json（如果存在）中找到的image_data_format值，否则为 'channels_last'。默认为 'channels_last'。

输入形状

如果data_format='channels_last'：形状为(batch_size, rows, cols, channels)的 4D 张量。
如果data_format='channels_first'：形状为(batch_size, channels, rows, cols)的 4D 张量。

输出形状

如果data_format='channels_last'：形状为(batch_size, pooled_rows, pooled_cols, channels)的 4D 张量。
如果data_format='channels_first'：形状为(batch_size, channels, pooled_rows, pooled_cols)的 4D 张量。

返回值

一个表示最大池化值的 4 阶张量。有关输出形状，请参见上文。

MaxPooling2D 层

MaxPooling2D 类

MaxPooling2D 层

MaxPooling2D 类

`MaxPooling2D` 类