池化层

# 池化层

# AveragePooling1D(v1)

M.dl_layer_averagepooling1d.v1(pool_size=2, strides=None, padding='valid')

对于时序数据的平均池化。

参数

  • pool_size: 整数,平均池化的窗口大小。
  • strides: 整数,或者是 None。作为缩小比例的因数。 例如,2 会使得输入张量缩小一半。 如果是 None,那么默认值是 pool_size。
  • padding: "valid" 或者 "same" (区分大小写)。

输入尺寸

尺寸是 (batch_size, steps, features) 的 3D 张量。

输出尺寸

尺寸是 (batch_size, downsampled_steps, features) 的 3D 张量。

# AveragePooling2D(v1)

M.dl_layer_averagepooling2d.v1(pool_size=(2, 2), strides=None, padding='valid', data_format=None)

对于空域数据的平均池化。

参数

  • pool_size: 整数,或者 2 个整数元组,(垂直方向,水平方向)缩小比例的因数。(2,2)会把输入张量的两个维度都缩小一半。 如果只使用一个整数,那么两个维度都会使用同样的窗口长度。
  • strides: 整数,整数元组或者是 None。 步长值。 如果是 None,那么默认值是 pool_size。
  • padding: "valid" 或者 "same" (区分大小写)。
  • data_format: 一个字符串,channels_last (默认值)或者 channels_first。 输入张量中的维度顺序。 channels_last 代表尺寸是 (batch, height, width, channels) 的输入张量,而
    channels_first 代表尺寸是 (batch, channels, height, width) 的输入张量。 默认值根据
    Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值来设置。
    如果还没有设置过,那么默认值就是 "channels_last"。

输入尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, rows, cols, channels)的 4D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels,rows, cols) 的 4D 张量

输出尺寸

*如果 data_format='channels_last': 尺寸是 (batch_size, pooled_rows,pooled_cols, channels) 的 4D 张量

  • 如果 data_format='channels_first': 尺寸是(batch_size, channels, pooled_rows, pooled_cols) 的 4D 张量

# AveragePooling3D(v1)

M.dl_layer_averagepooling3d.v1(pool_size=(2, 2, 2), strides=None, padding='valid', data_format=None)

对于 3D (空域,或者时空域)数据的平均池化。

参数

  • pool_size: 3 个整数的元组,缩小(维度 1,维度 2,维度 3)比例的因数。 (2, 2, 2) 会把 3D 输入张量的每个维度缩小一半。
  • strides: 3 个整数的元组,或者是 None。步长值。
  • padding: "valid" 或者 "same"(区分大小写)。
  • data_format: 一个字符串,channels_last (默认值)或者 channels_first。 输入张量中的维度顺序。 channels_last 代表尺寸是 (batch, spatial_dim1, spatial_dim2, spatial_dim3,channels) 的输入张量, 而 channels_first 代表尺寸是 (batch, channels,
    spatial_dim1, spatial_dim2, spatial_dim3) 的输入张量。 默认值根据 Keras 配置文件~/.keras/keras.json 中的 image_data_format 值来设置。 如果还没有设置过,那么默认值就是"channels_last"。

输入尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, spatial_dim1,spatial_dim2, spatial_dim3, channels) 的 5D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels,spatial_dim1, spatial_dim2, spatial_dim3) 的 5D 张量

输出尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, pooled_dim1,pooled_dim2, pooled_dim3, channels) 的 5D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels, pooled_dim1,pooled_dim2, pooled_dim3) 的 5D 张量

# GlobalMaxPooling1D

M.dl_layer_globalmaxpooling1d.v1()

对于时序数据的全局最大池化。

输入尺寸

尺寸是 (batch_size, steps, features) 的 3D 张量。

输出尺寸
尺寸是 (batch_size, features) 的 2D 张量。

# GlobalAveragePooling1D

M.dl_layer_globalaveragepooling1d.v1()

对于时序数据的全局平均池化。

输入尺寸

尺寸是 (batch_size, steps, features) 的 3D 张量。

输出尺寸

尺寸是 (batch_size, features) 的 2D 张量。

# GlobalMaxPooling2D

M.dl_layer_globalmaxpooling2d.v1(data_format=None)

对于空域数据的全局最大池化。

参数

  • data_format: 一个字符串,channels_last (默认值)或者 channels_first。 输入张量中的维度顺序。 channels_last 代表尺寸是 (batch, height, width, channels) 的输入张量,而channels_first 代表尺寸是 (batch, channels, height, width) 的输入张量。 默认值根据Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值来设置。如果还没有设置过,那么默认值就是 "channels_last"。

输入尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, rows, cols, channels)的 4D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels,rows, cols) 的 4D 张量

    输出尺寸
    尺寸是 (batch_size, channels) 的 2D 张量

# GlobalAveragePooling2D

M.dl_layer_globalaveragepooling2d.v1(data_format=None)

对于空域数据的全局平均池化。

参数

  • data_format: 一个字符串,channels_last (默认值)或者 channels_first。 输入张量中的维度顺序。 channels_last 代表尺寸是 (batch, height, width, channels) 的输入张量,而channels_first 代表尺寸是 (batch, channels, height, width) 的输入张量。 默认值根据Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值来设置。如果还没有设置过,那么默认值就是 "channels_last"。

输入尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, rows, cols, channels)的 4D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels,rows, cols) 的 4D 张量

输出尺寸

尺寸是 (batch_size, channels) 的 2D 张量

# MaxPooling1D

M.dl_layer_maxpooling1d.v1(pool_size=2, strides=None, padding='valid')

对于时序数据的最大池化。

参数

  • pool_size: 整数,最大池化的窗口大小。
  • strides: 整数,或者是 None。作为缩小比例的因数。 例如,2 会使得输入张量缩小一半。 如果是 None,那么默认值是 pool_size。
  • padding: "valid" 或者 "same" (区分大小写)。

输入尺寸

尺寸是 (batch_size, steps, features) 的 3D 张量。

输出尺寸

尺寸是 (batch_size, downsampled_steps, features) 的 3D 张量。

# MaxPooling2D

M.dl_layer_maxpooling2d.v1(pool_size=(2, 2), strides=None, padding='valid', data_format=None)

对于空域数据的最大池化。

参数

  • pool_size: 整数,或者 2 个整数元组,(垂直方向,水平方向)缩小比例的因数。(2,2)会把输入张量的两个维度都缩小一半。 如果只使用一个整数,那么两个维度都会使用同样的窗口长度。
  • strides: 整数,整数元组或者是 None。 步长值。 如果是 None,那么默认值是 pool_size。
  • padding: "valid" 或者 "same" (区分大小写)。
  • data_format: 一个字符串,channels_last (默认值)或者 channels_first。 输入张量中的维度顺序。 channels_last 代表尺寸是 (batch, height, width, channels) 的输入张量,而channels_first 代表尺寸是 (batch, channels, height, width) 的输入张量。 默认值根据Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值来设置。如果还没有设置过,那么默认值就是 "channels_last"。

输入尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, rows, cols, channels)的 4D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels,rows, cols) 的 4D 张量

输出尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, pooled_rows,pooled_cols, channels) 的 4D 张量
  • 如果 data_format='channels_first': 尺寸是(batch_size, channels, pooled_rows, pooled_cols) 的 4D 张量

# MaxPooling3D

M.dl_layer_maxpooling3d.v1(pool_size=(2, 2, 2), strides=None, padding='valid', data_format=None)

对于 3D(空域,或时空域)数据的最大池化。

参数

  • pool_size: 3 个整数的元组,缩小(维度 1,维度 2,维度 3)比例的因数。 (2, 2, 2) 会把 3D 输入张量的每个维度缩小一半。
  • strides: 3 个整数的元组,或者是 None。步长值。
  • padding: "valid" 或者 "same"(区分大小写)。
  • data_format: 一个字符串,channels_last (默认值)或者 channels_first。 输入张量中的维度顺序。 channels_last 代表尺寸是 (batch, spatial_dim1, spatial_dim2, spatial_dim3,channels) 的输入张量, 而 channels_first 代表尺寸是 (batch, channels,spatial_dim1, spatial_dim2, spatial_dim3) 的输入张量。 默认值根据 Keras 配置文件~/.keras/keras.json 中的 image_data_format 值来设置。 如果还没有设置过,那么默认值就是"channels_last"。

输入尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, spatial_dim1,spatial_dim2, spatial_dim3, channels) 的 5D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size, channels,spatial_dim1, spatial_dim2, spatial_dim3) 的 5D 张量

输出尺寸

  • 如果 data_format='channels_last': 尺寸是 (batch_size, pooled_dim1,pooled_dim2, pooled_dim3, channels) 的 5D 张量
  • 如果 data_format='channels_first': 尺寸是 (batch_size,channels, pooled_dim1, pooled_dim2, pooled_dim3) 的 5D 张量