MaxPooling1D和globalMaxPooling1D的区别

最新推荐文章于 2024-11-08 08:39:45 发布

会发paper的学渣

最新推荐文章于 2024-11-08 08:39:45 发布

阅读量2k

点赞数

分类专栏： tensorflow2.x NLP 文章标签：深度学习 cnn 神经网络

本文链接：https://blog.youkuaiyun.com/sslfk/article/details/122341739

版权

tensorflow2.x 同时被 2 个专栏收录

39 篇文章

订阅专栏

NLP

29 篇文章

订阅专栏

本文详细介绍了MaxPooling1D和GlobalMaxPooling1D在深度学习中的作用和区别。MaxPooling1D通过指定的池化窗口在输入数据的第二维上进行局部最大值提取，而GlobalMaxPooling1D则是对整个第二维数据求最大值，实现全局信息的保留。这两种池化方法在神经网络中常用于减少数据维度，提高模型效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.GlobalMaxPooling1D:
在steps维度（也就是第二维）对整个数据求最大值。
比如说输入数据维度是[10, 4, 10]，那么进过全局池化后，输出数据的维度则变成[10, 10]。

是对步长维度的向量求最大值。故会产生维度压缩

2.MaxPooling1D：
也是在steps维度（也就是第二维）求最大值。但是限制每一步的池化的大小。比如，输入数据维度是[10, 4, 10]，池化层大小pooling_size=2，步长stride=1，那么经过MaxPooling(pooling_size=2, stride=1)后，输出数据维度是[10, 3, 10]。

是对每一次卷积的kernel内的向量求最大值，产生一个新的向量。而没有做额外多余的处理。

the  [[.7, -0.2, .1]   |池化大小是2，所以一次选两个字，首先对                
boy   [.8, -.3,  .2]   | 前两个向量求最大值，也就是the和boy。   | 步长是1，移动到
will  [.2, -.1,  .4]                                       | boy和will
live  [.4  -.4,  .8]]

池化层处理时并未增加新的变量和参数。

Keras学习笔记(四)：MaxPooling1D和GlobalMaxPooling1D的区别_林夕-优快云博客_maxpooling1d