tensorflow pooling

本文通过具体示例,深入探讨了使用TensorFlow进行平均池化和最大池化的操作过程,展示了如何通过reshaping张量并应用不同类型的池化来处理数据,适合于对深度学习和TensorFlow感兴趣的读者。
部署运行你感兴趣的模型镜像
import tensorflow as tf

temp = [0., 0., 1., 0., 0., 0., 1.5, 2.5]

# Reshape the tensor to be 3 dimensions.
values = tf.reshape(temp, [1, 8, 1])


# Use an averaging pool on the tensor.
p_avg = tf.nn.pool(input=values,
    window_shape=[2],
    pooling_type="AVG",
    padding="SAME")

# Use max with this pool.
p_max = tf.nn.pool(input=values,
    window_shape=[2],
    pooling_type="MAX",
    padding="SAME")

session = tf.Session()

# Print our tensors.
print("VALUES")
print(session.run(values))
print("POOL")
print(session.run(p_avg))
print("POOL MAX")
print(session.run(p_max))

session.close()
import tensorflow as tf
a=tf.constant([
        [[1.0,2.0,3.0,4.0],
        [5.0,6.0,7.0,8.0],
        [8.0,7.0,6.0,5.0],
        [4.0,3.0,2.0,1.0]],
        [[4.0,3.0,2.0,1.0],
         [8.0,7.0,6.0,5.0],
         [1.0,2.0,3.0,4.0],
         [5.0,6.0,7.0,8.0]]
    ])


a=tf.reshape(a,[1,4,4,2])

pooling=tf.nn.max_pool(a,[1,2,2,1],[1,1,1,1],padding='SAME')
with tf.Session() as sess:
    print("image:")
    image=sess.run(a)
    print (image)
    print("reslut:")
    result=sess.run(pooling)
    
    print (result)
  

链接1
链接2

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值