使用tf.reduce_mean()做avg_pool

最新推荐文章于 2024-01-14 10:37:31 发布

Manfestain

最新推荐文章于 2024-01-14 10:37:31 发布

阅读量850

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/Beans___Lee/article/details/83968267

本文介绍了如何在TensorFlow中使用tf.reduce_mean()函数进行平均池化操作。对于二维张量，0轴表示按列取平均，1轴表示按行取平均；对于三维张量，0轴表示按宽，1轴表示按高，2轴表示按长。通过示例解释了如何对不同维度的张量进行平均值计算，并指出该操作保持了输出维度与输入维度相同。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

reduce_mean(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    keep_dims=None
)

axis表示按那个维度进行取平均值，当axis参数为list时，会按照list的值依次进行取平均，对于二维张量其取值有0和1，表示两个维度；当三维张量时其取值可以有0、1和2，表示三个维度，否则会出错

对于二维张量：
0表示按列取平均
1表示按行取平均
对于三维张量：如图1，
0标志按宽，也就是张量的第一个维度
1表示按高，也就是张量的第二个维度
2表示按长，也就是张量的第三个维度

图1

可以这样理解：对于如下这个数组

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Manfestain

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

自动将代码升级到TensorFlow 2代码——tf_upgrade_v2.py

一摩尔自由的博客

10-09

6703

tensorflow中 tf.reduce_mean函数

热门推荐

牧野的博客

04-03

27万+

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。 reduce_mean(input_tensor, axis=None, keep_dims=False, na...

参与评论您还未登录，请先登录后发表或查看评论

tf.reduce_mean

luoganttcc的博客

04-21

1660

import numpy as np import tensorflow as tfx = np.array([[1.,2.,3.],[4.,5.,6.]]) sess = tf.Session()mean1 = sess.run(tf.reduce_mean(x)) mean2 = sess.run(tf.reduce_mean(x, 0)) mean3 = sess.run(tf.reduce_

class CBAMLayer(tf.keras.layers.Layer): def __init__(self, reduction_ratio=16, **kwargs): super(CBAMLayer, self).__init__(**kwargs) self.reduction_ratio = reduction_ratio def build(self, input_shape): channel = input_shape[-1] self.shared_layer_one = layers.Dense(channel // self.reduction_ratio, activation='relu') self.shared_layer_two = layers.Dense(channel) self.conv2d = layers.Conv2D(1, kernel_size=7, padding='same', activation='sigmoid') def call(self, input_feature): x = tf.cast(input_feature, tf.float32) # 统一数据类型 # Channel attention avg_pool = tf.reduce_mean(x, axis=[1, 2], keepdims=True) max_pool = tf.reduce_max(x, axis=[1, 2], keepdims=True) avg_out = self.shared_layer_two(self.shared_layer_one(avg_pool)) max_out = self.shared_layer_two(self.shared_layer_one(max_pool)) cbam_feature = tf.nn.sigmoid(avg_out + max_out) cbam_feature = tf.cast(cbam_feature, x.dtype) # 统一数据类型 channel_refined = x * cbam_feature avg_spatial = tf.reduce_mean(channel_refined, axis=-1, keepdims=True) max_spatial = tf.reduce_max(channel_refined, axis=-1, keepdims=True) concat = tf.concat([avg_spatial, max_spatial], axis=-1) spatial_attention = self.conv2d(concat) refined_feature = channel_refined * spatial_attention return channel_refined # Spatial attention avg_spatial = tf.reduce_mean(channel_refined, axis=-1, keepdims=True) max_spatial = tf.reduce_max(channel_refined, axis=-1, keepdims=True) concat = tf.concat([avg_spatial, max_spatial], axis=-1) spatial_attention = self.conv2d(concat) refined_feature = channel_refined * spatial_attention return tf.cast(refined_feature, input_dtype) def get_config(self): config = super(CBAMLayer, self).get_config() config.update({'reduction_ratio': self.reduction_ratio}) return

03-27

空间注意力中，平均池化和最大池化是沿着通道轴进行的，所以使用tf.reduce_mean和tf.reduce_max，axis=-1，得到两个（H, W, 1）的特征图，再拼接成（H, W, 2），然后用7x7卷积处理。最后，在call方法中，将输入...

帮我详细分析以下代码： #空间注意力通道（特征，每层名字，卷积核尺寸） def spatial_attention(input_feature, name, kernel_size=7,): avg_pool = layers.Lambda(lambda x: tf.reduce_mean(x, axis=3, keepdims=True, name=name+'spatial_avgpool'))(input_feature) assert avg_pool.get_shape()[-1] == 1 max_pool = layers.Lambda(lambda x: tf.reduce_max(x, axis=3, keepdims=True, name= name+'spatial_maxpool'))(input_feature) assert max_pool.get_shape()[-1] == 1 spatial = concatenate([avg_pool, max_pool], axis=3) assert spatial.get_shape()[-1] == 2 spatial = Conv2D(1, (kernel_size, kernel_size), strides=1, padding='same', name=name+'spatial_conv2d')(spatial) spatial_out = Activation('sigmoid', name=name+'spatial_sigmoid')(spatial) out = Multiply()([input_feature, spatial_out]) return out ———————————————— 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/weixin_38385446/article/details/120270737

最新发布

03-30

avg_pool = Lambda(lambda x: K.mean(x, axis=3, keepdims=True))(input_feature) # 形状 (H, W, 1) # 拼接池化结果 concat = Concatenate(axis=3)([max_pool, avg_pool]) # 形状 (H, W, 2) ``` - **Lambda层作用...

FCN.tensorflow-master.tar.gz_fcn_tensorflow FCN

09-24

在这个文件中，开发者可能使用了TensorFlow的API来构建FCN网络，比如`tf.layers.conv2d`用于创建卷积层，`tf.nn.max_pool`或`tf.nn.avg_pool`进行下采样，`tf.image.resize_images`进行上采样，以及`tf.reduce_mean`...

tf.reduce_mean函数

guoyang768的博客

03-10

3297

tf.reduce_mean()函数用于计算张量tensor沿着指定的数轴（tensor中的某一维度）上的平均值，主要用于降维或者计算tensor（图像）的平均值。 reduce_mean(input_tensor, axis=None,keep_dims=False,name=None,reduction_indices=None) input_tensor：输入的...

tf.reduce_mean()

weixin_36670529的博客

04-08

537

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。 reduce_mean(input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None) 第一个参数input_tensor：输入的待降维的tensor; 第二个参数axis：指定的轴，如果不指定，则计算所有元素的均值; 第三个参数k.

TensorFlow笔记（九）——tensorflow中 tf.reduce_mean函数

qq_37764129的博客

06-28

772

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作loss计算，降维或者计算tensor（图像）的平均值。 reduce_mean(input_tensor, axis=None, keep_dims=False, n...

TensorFlow tf.reduce_mean函数

秋天

06-24

1176

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。 reduce_mean(input_tensor, axis=None, keepdims=None, name=None, ...

【tensorflow】【python】tf.reduce_mean

wq6qeg88的博客

01-14

1389

keep_dims：是否降维度，默认False。设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度。计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor的平均值。input_tensor：输入的待降维的tensor。axis：指定的轴。如果不指定，则计算所有元素的均值。name：操作的名称。