tf.keras.layers.MaxPool2D

Просмотреть исходный код на GitHub

Операция максимального пулинга для 2D пространственных данных.

Наследуется от: Layer, Module

Просмотр псевдонимов

Основные псевдонимы

tf.keras.layers.MaxPooling2D

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.keras.layers.MaxPool2D, tf.compat.v1.keras.layers.MaxPooling2D

tf.keras.layers.MaxPool2D(
    pool_size=(2, 2), strides=None, padding='valid', data_format=None,
    **kwargs
)

Уменьшает размерность входного представления, выбирая максимальное значение в окне, определённом pool_size для каждого измерения по оси признаков. Окно сдвигается на strides в каждом измерении. Результирующая форма выходных данных при использовании опции "valid" padding: output_shape = (input_shape - pool_size + 1) / strides)

Результирующая форма выходных данных при использовании опции "same" padding: output_shape = input_shape / strides

Например, для stride=(1,1) и padding="valid":

x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])
x = tf.reshape(x, [1, 3, 3, 1])
max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='valid')
max_pool_2d(x)
<tf.Tensor: shape=(1, 2, 2, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.]],
          [[8.],
           [9.]]]], dtype=float32)>

Например, для stride=(2,2) и padding="valid":

x = tf.constant([[1., 2., 3., 4.],
                 [5., 6., 7., 8.],
                 [9., 10., 11., 12.]])
x = tf.reshape(x, [1, 3, 4, 1])
max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='valid')
max_pool_2d(x)
<tf.Tensor: shape=(1, 2, 3, 1), dtype=float32, numpy=
  array([[[[ 6.],
           [ 7.],
           [ 8.]],
          [[10.],
           [11.],
           [12.]]]], dtype=float32)>

Пример использования:

input_image = tf.constant([[[[1.], [1.], [2.], [4.]],
                           [[2.], [2.], [3.], [2.]],
                           [[4.], [1.], [1.], [1.]],
                           [[2.], [2.], [1.], [4.]]]])
output = tf.constant([[[[1], [0]],
                      [[0], [1]]]])
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   input_shape=(4,4,1)))
model.compile('adam', 'mean_squared_error')
model.predict(input_image, steps=1)
array([[[[2.],
         [4.]],
        [[4.],
         [4.]]]], dtype=float32)

Например, для stride=(1,1) и padding="same":

x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])
x = tf.reshape(x, [1, 3, 3, 1])
max_pool_2d = tf.keras.layers.MaxPooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='same')
max_pool_2d(x)
<tf.Tensor: shape=(1, 3, 3, 1), dtype=float32, numpy=
  array([[[[5.],
           [6.],
           [6.]],
          [[8.],
           [9.],
           [9.]],
          [[8.],
           [9.],
           [9.]]]], dtype=float32)>

Аргументы
`pool_size`	целое число или кортеж из 2 целых чисел, размер окна, по которому нужно взять максимальное значение. `(2, 2)` будет брать максимальное значение из окна 2x2. Если указано только одно целое число, то длина окна будет одинаковой для обоих измерений.
`strides`	Целое число, кортеж из 2 целых чисел или None. Значения шагов. Определяет, насколько сдвигается окно пулинга на каждом шаге пулинга. Если None, то по умолчанию будет `pool_size`.
`padding`	Одно из `"valid"` или `"same"` (регистр не учитывается). `"valid"` означает отсутствие заполнения. `"same"` приводит к равномерному дополнению слева/справа или сверху/снизу входа, таким образом, чтобы выходные высота/ширина были такими же, как у входных данных.
`data_format`	Строка, одна из `channels_last` (по умолчанию) или `channels_first`. Порядок измерений во входных данных. `channels_last` соответствует входным данным с формой `(batch, height, width, channels)`, а `channels_first` соответствует входным данным с формой `(batch, channels, height, width)`. По умолчанию используется значение `image_data_format` в файле конфигурации Keras по адресу `~/.keras/keras.json`. Если оно никогда не устанавливалось, то будет "channels_last".

Форма входных данных:

Если data_format='channels_last': 4D тензор с формой (batch_size, rows, cols, channels).
Если data_format='channels_first': 4D тензор с формой (batch_size, channels, rows, cols).

Форма выходных данных:

Если data_format='channels_last': 4D тензор с формой (batch_size, pooled_rows, pooled_cols, channels).
Если data_format='channels_first': 4D тензор с формой (batch_size, channels, pooled_rows, pooled_cols).

Возвращаемое значение
4D тензор, представляющий максимальные значения пулинга. См. выше для формы выходных данных.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/keras/layers/MaxPool2D