TensorFlow基础笔记(11) max_pool2D函数

最新推荐文章于 2025-07-11 13:22:40 发布

转载最新推荐文章于 2025-07-11 13:22:40 发布 · 1.3k 阅读

文章标签：

#python

本文通过TensorFlow实现了一个2D最大池化的示例，展示了如何定义输入、执行最大池化操作，并输出最终结果的尺寸。该示例有助于理解最大池化层的工作原理及其在卷积神经网络中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# def max_pool2d(inputs,
#                kernel_size,
#                stride=2,
#                padding='VALID',
#                data_format=DATA_FORMAT_NHWC,
#                outputs_collections=None,
#                scope=None):

#"VALID"模式下
#输出图像大小 out_height = round((in_height - floor(filter_height / 2) * 2) / strides_height) floor表示下取整 round表示四舍五入

input = tf.Variable(tf.round(10 * tf.random_normal([1, 7, 7, 1])))
#filter = tf.Variable(tf.round(5 * tf.random_normal([3, 3, 1, 1])))
#op2 = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID')
slim_max_pool2d = slim.max_pool2d(input, [3, 3], [1, 1], scope='pool1')
#slim_conv2d_SAME = slim.conv2d(input, 1, [3, 3], [1, 1], weights_initializer=tf.ones_initializer, padding='SAME')
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    slim_max_pool2d_value = \
        sess.run(slim_max_pool2d)
    print(slim_max_pool2d_value.shape)