tf.nn.max_pool2d

Выполняет максимальное объединение (max pooling) на 2D пространственных данных, таких как изображения.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.nn.max_pool2d

tf.nn.max_pool2d(
    input, ksize, strides, padding, data_format='NHWC', name=None
)

Это более конкретная версия tf.nn.max_pool, где входной тензор имеет размерность 4, представляя 2D пространственные данные, такие как изображения. Использование этих API эквивалентно

Уменьшает размер входных изображений по их пространственным измерениям (высота и ширина), беря максимум по окну ввода, определённому ksize. Окно смещается на strides по каждому измерению.

Например, для strides=(2, 2) и padding=VALID окна, выходящие за пределы входных данных, не включаются в выходные:

x = tf.constant([[1., 2., 3., 4.],
                 [5., 6., 7., 8.],
                 [9., 10., 11., 12.]])
# Add the `batch` and `channels` dimensions.
x = x[tf.newaxis, :, :, tf.newaxis]
result = tf.nn.max_pool2d(x, ksize=(2, 2), strides=(2, 2),
                          padding="VALID")
result[0, :, :, 0]
<tf.Tensor: shape=(1, 2), dtype=float32, numpy=
array([[6., 8.]], dtype=float32)>

С padding=SAME, мы получаем:

x = tf.constant([[1., 2., 3., 4.],
                 [5., 6., 7., 8.],
                 [9., 10., 11., 12.]])
x = x[tf.newaxis, :, :, tf.newaxis]
result = tf.nn.max_pool2d(x, ksize=(2, 2), strides=(2, 2),
                          padding='SAME')
result[0, :, :, 0]
<tf.Tensor: shape=(2, 2), dtype=float32, numpy=
array([[ 6., 8.],
       [10.,12.]], dtype=float32)>

Мы также можем явно указать заполнение. Следующий пример добавляет заполнение шириной 1 по всем сторонам (верх, низ, слева, справа):

x = tf.constant([[1., 2., 3., 4.],
                 [5., 6., 7., 8.],
                 [9., 10., 11., 12.]])
x = x[tf.newaxis, :, :, tf.newaxis]
result = tf.nn.max_pool2d(x, ksize=(2, 2), strides=(2, 2),
                          padding=[[0, 0], [1, 1], [1, 1], [0, 0]])
result[0, :, :, 0]
<tf.Tensor: shape=(2, 3), dtype=float32, numpy=
array([[ 1., 3., 4.],
       [ 9., 11., 12.]], dtype=float32)>

Для получения дополнительных примеров и подробностей см. tf.nn.max_pool.

Аргументы
`input`	4-мерный `Tensor` в формате, указанном `data_format`.
`ksize`	Целое число или список `ints` длиной `1`, `2` или `4`. Размер окна для каждого измерения входного тензора. Если указано только одно целое число, то для всех 4 измерений применяется одинаковое окно. Если указано два, то они используются для измерений H и W, а размер окна для измерений N и C = 1.
`strides`	Целое число или список `ints` длиной `1`, `2` или `4`. Шаг скользящего окна для каждого измерения входного тензора. Если указано только одно целое число, то одинаковый шаг применяется ко всем 4 измерениям. Если указано два, то они используются для измерений H и W, а шаг для измерений N и C = 1.
`padding`	Либо `string` `"SAME"` или `"VALID"`, указывающие тип алгоритма заполнения, либо список, указывающий явное заполнение в начале и конце каждого измерения. См. здесь для получения дополнительной информации. При использовании явного заполнения и data_format = `"NHWC"`, оно должно быть в формате `[[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]]`. При использовании явного заполнения и data_format = `"NCHW"`, оно должно быть в формате `[[0, 0], [0, 0], [pad_top, pad_bottom], [pad_left, pad_right]]`. При использовании явного заполнения размер заполнения не может быть больше размера скользящего окна.
`data_format`	Строка. Поддерживаются 'NHWC', 'NCHW' и 'NCHW_VECT_C'.
`name`	Необязательное имя операции.

Возвращаемое значение
`Tensor` формата, указанного в `data_format`. Тензор выходных данных максимального объединения.

Возможные исключения
`ValueError`	Если используется явное заполнение с data_format='NCHW_VECT_C'.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/nn/max_pool2d