tensorflow 池化操作实例 tf.nn.max_pooling

最新推荐文章于 2024-07-30 19:19:35 发布

qq_20488317

最新推荐文章于 2024-07-30 19:19:35 发布

阅读量594

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签：数据挖掘

本文链接：https://blog.youkuaiyun.com/qq_20488317/article/details/78386733

tensorflow 专栏收录该内容

24 篇文章

订阅专栏

本文通过一个具体的示例介绍了如何使用TensorFlow实现最大池化操作，并展示了池化前后的数据变化。示例中详细解释了池化窗口大小、滑动步长等参数设置及其对结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#encoding:utf-8
import numpy as np
import tensorflow as tf


x_image = tf.placeholder(tf.float32, shape = [4,4])
x = tf.reshape(x_image, [1, 4, 4, 1 ])

ksize = [1, 2, 2, 1]
strides = [1, 2, 2 ,1]
padding = 'VALID'

#max_pooling
#x:池化操作的输入
#ksize:池化窗口的大小
#strides：窗口在每一个维度上滑动的步长，一般是[1, stride, stride, 1]
#padding:"VALID"or"SAME"
y = tf.nn.max_pool(x, ksize, strides, padding)
x_data = np.array([
    [4, 3, 1, 8],
    [7, 2, 6, 3],
    [2, 0, 1, 1],
    [3, 4, 2, 5]
])

with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        x = sess.run(x, feed_dict = {x_image : x_data})
        y = sess.run(y, feed_dict = {x_image : x_data})

print "The shape of x:", x.shape
print x.reshape(4, 4)
print ""

print "The shape pf y:", y.shape
print y.reshape(2,2)
print ""

输出：

The shape of x: (1, 4, 4, 1)
[[ 4. 3. 1. 8.]
[ 7. 2. 6. 3.]
[ 2. 0. 1. 1.]
[ 3. 4. 2. 5.]]

The shape pf y: (1, 2, 2, 1)
[[ 7. 8.]
[ 4. 5.]]