tensorflow学习笔记-----pooling/池化

池化操作详解
最新推荐文章于 2024-04-15 21:35:36 发布
原创 最新推荐文章于 2024-04-15 21:35:36 发布 · 680 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#tensorflow #AI #pooling #池化

本文详细介绍了池化操作的概念及其在深度学习中的应用。包括平均池化、最大池化及带有最大值索引的最大池化等不同类型的池化操作，并解释了窗口大小、步幅以及填充等参数对池化结果的影响。

Pooling

The pooling ops sweep a rectangular window over the input tensor, computing a reduction operation for each window (average, max, or max with argmax). Each pooling op uses rectangular windows of size ksize separated by offset strides. For example, if strides is all ones every window is used, if strides is all twos every other window is used in each dimension, etc.

In detail, the output is

output[i] = reduce(value[strides * i:strides * i + ksize])

where the indices also take into consideration the padding values. Please refer to the Convolution section for details about the padding calculation.

有关pooling的函数：

  • tf.nn.avg_pool
  • tf.nn.max_pool
  • tf.nn.max_pool_with_argmax
  • tf.nn.avg_pool3d
  • tf.nn.max_pool3d
  • tf.nn.fractional_avg_pool
  • tf.nn.fractional_max_pool
  • tf.nn.pool
机器学习笔记 - tensorflow卷积和池化的可视化
学以致用 知行合一
01-17 1342
调用tensorflow底层的API来对图片进行卷积和池化的直观的可视化。
tensorflow max_pool(最大池化)应用
weixin_30872789的博客
07-21 639
1、最大池化 max pooling是CNN当中的最大值池化操作，其实用法和卷积很类似。 tf.nn.max_pool(value, ksize, strides, padding, name=None) 参数是四个，和卷积很类似： 第一个参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, ch...
零基础机器学习-----tensorflow里池化Pooling详解
mine-Programmer
10-04 2844
池化Pooling max-pooling mean-Pooling（平均池化） stochastic-pooling（随机池化） 如图最常见的是，步长为二的窗口 我们一起来看图片中的左上角，1、8、7、1的最大值为8，故而，池化后的值，选取最大值为8 同样道理，以下方的蓝色四个值，1、8、7、1，他们四个的平均值为4.25 所以说，池化可以理解为进一步提取特征（在卷积之后），减少特征的数量 ...
tf.nn.max_pool（）
weixin_42187536的博客
01-09 1115
pooling = tf.nn.max_pool( h, ksize=[1, height, width, 1], strides=[1, 1, 1, 1], padding='VALID', name="pool") h，需要池化的输入，池化在卷积后面，所以输入通常是feature...
Tensorflow--池化操作
V_lq6h的博客
01-30 1336
Tensorflow–池化操作 pool(池化)操作与卷积运算类似，取输入张量的每一个位置的矩形邻域内值的最大值或平均值作为该位置的输出值，如果取的是最大值，则称为最大值池化；如果取的是平均值，则称为平均值池化。pooling操作在图像处理中的应用类似于均值平滑，形态学处理，下采样等操作，与卷积类似，池化也分为same池化和valid池化 一.same池化 same池化的操作方式一般有两种：sam...
4.2 Tensorflow笔记:池化函数
weixin_30570101的博客
08-04 642
池化 卷积神经网络的结构 其中,input为输入,conv为卷积层,由卷积核构成,pool为池层,由池化函数构成最后是全连接层与输出层,其负责对卷积层提取的特征进行处理以获得我们需要的结果 池化函数的意义 池化层的输入一般来源于上一个卷积层，主要作用是提供了很强的鲁棒性（例如max-pooling是取一小块区域中的最大值，此时若此区域中的其他值略有...
[TensorFlow 学习笔记-07]池化函数(Pooling Function)
CVer
07-19 5406
[版权说明] TensorFlow 学习笔记参考： 李嘉璇 著 TensorFlow技术解析与实战 黄文坚 唐源 著 TensorFlow实战郑泽宇 顾思宇 著 TensorFlow实战Google深度学习框架 乐毅 王斌 著 深度学习-Caffe之经典模型详解与实战 TensorFlow中文社区 http://www.tensorfly.cn/ 极客学院 著 TensorFlo
TensorFlow2-keras-Vue开发笔记
最新发布
05-28
Keras的使用可以从构建基本的层开始，如Dense（全连接层）、Conv2D（卷积层）和Pooling（池化层）。通过这些层，我们可以构建复杂的模型结构，如卷积神经网络（CNN）和循环神经网络（RNN）。模型的编译步骤涉及设置...
Tensorflow2.0笔记 - 卷积层Conv2D,最大值和均值池化层(MaxPool2D/ AveragePooling2D)，上采样层(UpSampling2D)
vivo01的专栏
04-15 692
本笔记主要记录卷积层Conv2D,最大值和均值池化层(MaxPool2D/ AveragePooling2D)，上采样层(UpSampling2D)的相关内容。
TensorFlow深度学习-龙曲良-学习笔记2
HELLOWORLD2424的博客
02-27 1486
10. 卷积神经网络 10.1 卷积的定义 每次通过移动卷积核，并与图片对应位置处的感受野像素相乘累加，得到此位置的输出值。卷积核即是行、列为????大小的权值矩阵????，对应到特征图上大小为????的窗口即为感受野，感受野与权值矩阵????相乘累加，得到此位置的输出值. 注意: 输入的每个通道处的感受野均与卷积核的对应通道相乘累加，得到与通道数量相等的中间变量，这些中间变量全部相加即得到当前位置的输出值。输入通道的通道数量决定了卷积核的通道数。一个卷积核只能得到一个输出矩阵，无论输入????的通道数量。
TensorFlow tf.nn.max_pool实现池化操作方式
12-23
max pooling是CNN当中的最大值池化操作，其实用法和卷积很类似 有些地方可以从卷积去参考【TensorFlow】 tf.nn.conv2d实现卷积的方式 tf.nn.max_pool(value, ksize, strides, padding, name=None) 参数是四个，和卷积很类似： 第一个参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, channels]这样的shape 第二个参数ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]
Tensorflow——tf.nn.max_pool实现池化操作
fjdh5734648的博客
10-10 196
定义： tf.nn.max_pool(value, ksize, strides, padding, name=None) value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, channels]这样的shape ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1 strides：和卷积类似，窗口在每
tensorflow之神经网络层：MaxPooling1D、max_pooling1d、MaxPooling2D、max_pooling2d
热门推荐
大雄没有叮当猫的博客
09-19 4万+
微信公众号：数据挖掘与分析学习 1.tf.layers.MaxPooling1D Class MaxPooling1D：1D输入的最大池化层 参数： pool_size:一个整数或者一个单个整数的tuple/list,表示池化窗口的大小 strides:一个整数或者一个单个整数的tuple/list,指定池化操作的移动步幅 padding:一个字符串。padding的方法：”valid...
tensorflow学习：池化层（pooling）和全连接层（dense)
snailme的博客
12-02 5302
tensorflow的池化层和全连接层的理解
tf.nn.avg_pooling踩坑
khk_abc的博客
03-01 1681
tensorflow之平均池化 首先说一下我遇到的情况，刚开始学tensorflow，接触到池化pooling操作，其中有最大池化max_pooling、平均池化avg_pooling，其中平均池化avg_pooling资料上着重写的是用池化filter范围内的输入矩阵元素总和除以非零元素个数。上代码： import tensorflow as tf img=tf.constant([ ...
Tensorflow学习笔记之池化
qq_41989587的博客
10-22 387
Tensorflow学习笔记之池化 在深度学习网络中，经常会遇到池化操作，并且往往是在卷积之后，池化操作的意义是降低卷积层输出特征向量的维度，并且通过不同的池化方法使不同维度的卷积层输出结果得到相同维度的特征向量结果。 1、一般池化 池化过程作用于不重叠区域 我们定义池化窗口的大小为sizeX，即下图中红色正方形的边长，定义两个相邻池化窗口的水平位移/竖直位移为stride。一般池化由于每一池化...
SPP空间金字塔池化
吹啊~吹啊~大风吹~~
04-04 810
一、相关理论   本篇博文主要讲解大神何凯明2014年的paper：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》，这篇paper主要的创新点在于提出了空间金字塔池化。paper主页：http://research.microsoft.com/en-us/um/people/kahe/e...
【TensorFlow】关于卷积和pooling层的输出维度问题和相应的参数设置
zsWang9的博客
04-16 6645
关于tensorflow shape 设置问题：整形：x_image = tf.reshape(xs,[-1,28,28,1])#-1 表示最后一行，即num_sample:样本数量#[28,28] 图片size#1 表示输出通道数卷积层：tf.nn.conv2d(x,W,strides,padding='SAME')strides步长:[1,x,y,1]strides : strides[0] ...
空间金字塔池化SPP
moyu916的博客
03-31 448
空间金字塔池化，使得任意大小的特征图都能够转换成固定大小的特征向量，送入全连接层。 对特征图尺寸有要求的部分就是从卷积层到全连接层过渡的那里。因为全连接层Y=W*X，W是固定的。 空间金字塔池化如何提取特征，得到固定大小的特征向量： 我们假设一个很简单两层网络：输入一张任意大小的图片,假设其大小为(w,h)，输出21个神经元。也就是我们输入一张任意大小的特征图的时候，我们希望提取出21个特征。空间...
Keras学习与实践：深度学习入门练习笔记
根据提供的文件信息，我们可以了解这是一个包含学习笔记和练习的GitHub仓库，其内容主要围绕Python中的Keras库。Keras是一个用Python编写的开源人工神经网络库，它能够运行在TensorFlow, CNTK或Theano之上。它是一个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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