keras学习记录——pooling层解析

keras学习记录——pooling层解析

 

一. pooling的总类

二. keras中的API（函数调用接口）

三. 分析其输入输出

1. 1D

2. Global1D

3. 2D

4. Global2D

5. 3D

4. Global3D

---

一. pooling的总类

根据维度可将其分为：1D，2D，3D

根据取值运算可将其分为：max，average

根据步长可将其分为：正常，global

二. keras中的API（函数调用接口）

from .pooling import MaxPooling1D
from .pooling import MaxPooling2D
from .pooling import MaxPooling3D
from .pooling import AveragePooling1D
from .pooling import AveragePooling2D
from .pooling import AveragePooling3D
from .pooling import GlobalMaxPooling1D
from .pooling import GlobalMaxPooling2D
from .pooling import GlobalMaxPooling3D
from .pooling import GlobalAveragePooling2D
from .pooling import GlobalAveragePooling1D
from .pooling import GlobalAveragePooling3D

三. 分析其输入输出

在keras中使用时直接调用即可

from keras.layers import MaxPooling1D, MaxPooling2D, MaxPooling3D, AveragePooling1D, AveragePooling2D, AveragePooling3D, GlobalMaxPooling1D, GlobalMaxPooling2D, GlobalMaxPooling3D, GlobalAveragePooling2D, GlobalAveragePooling1D, GlobalAveragePooling3D
from keras.layers import Input

1. 1D

max和average只是一个取最大值，一个取均值，这里为了说明，只使用MaxPooling1D来测试：

inputs = Input(shape=(4,3))
x = MaxPooling1D()(inputs)
model = Model(inputs=inputs, outputs=x)
model.summary()

输出：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 4, 3)              0         
_________________________________________________________________
max_pooling1d_1 (MaxPooling1 (None, 2, 3)              0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

所以：可以将MaxPooling1D的输入看作（batch, col, channel), 在col维度上取最大值，函数默认的步长为2，所以在输入为（None,4,3）,输出为（None,2,3）。

2. Global1D

和1D的输入输出的维度一样，只是Global1D不在kernel上取值，而是在整个第二维度上取值，例如输入为（None,4,3），输出为（None,3）.

3. 2D

以MaxPooling2D为例：

inputs = Input(shape=(5,4,3))
x = MaxPooling2D()(inputs)
model = Model(inputs=inputs, outputs=x)
model.summary()

输出：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 5, 4, 3)           0         
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 2, 2, 3)           0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

所以：可以将MaxPooling2D的输入看作（batch,row, col, channel), 在row, col维度上取最大值，函数默认的步长为2，所以在输入为（None,5,4,3）,输出为（None,2,2,3）。

4. Global2D

和2D的输入输出的维度一样，只是Global2D不在kernel上取值，而是在整个第二、三维度上取值，例如输入为（None,5,4,3），输出为（None,3）.

5. 3D

以MaxPooling3D为例：

inputs = Input(shape=(6,5,4,3))
x = MaxPooling3D()(inputs)
model = Model(inputs=inputs, outputs=x)
model.summary()

输出：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 6, 5, 4, 3)        0         
_________________________________________________________________
max_pooling3d_1 (MaxPooling3 (None, 3, 2, 2, 3)        0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

所以：可以将MaxPooling2D的输入看作（batch,row, col,depth, channel), 在row, col, depth维度上取最大值，函数默认的步长为2，所以在输入为（None,6,5,4,3）,输出为（None,3,2,2,3）。

4. Global3D

和2D的输入输出的维度一样，只是Global3D不在kernel上取值，而是在整个第二、三、四维度上取值，例如输入为（None,6,5,4,3），输出为（None,3）.