tf.nn.max_pool2d

Выполняет максимальное пулинговое (подвыборку) на 2D пространственных данных, таких как изображения.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.nn.max_pool2d

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

Это более специфическая версия tf.nn.max_pool, где тензор входных данных является 4D, представляющим 2D пространственные данные, такие как изображения. Использование этих API эквивалентно

Осуществляет усреднение входных изображений вдоль их пространственных измерений (высота и ширина), выбирая максимальное значение в окне входных данных, определенном ksize. Окно сдвигается на strides по каждому измерению.

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

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 со всех сторон (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 деталей см. tf.nn.max_pool.

Аргументы
`input`	4-мерный `Tensor` формата, указанного `data_format`.
`ksize`	Целое число или список `ints` длиной `1`, `2` или `4`. Размер окна для каждого измерения тензора входных данных. Если указано только одно целое число, то применяется одно и то же окно для всех 4 измерений. Если указаны два, то используются для измерений H, W, а размер окна для измерений N, C устанавливается равным 1.
`strides`	Целое число или список `ints` длиной `1`, `2` или `4`. Шаг скользящего окна для каждого измерения тензора входных данных. Если указано только одно целое число, то применяется один и тот же шаг для всех 4 измерений. Если указаны два, то используются для измерений H, W, а шаг для измерений N, C устанавливается равным 1.
`padding`	Либо `string` `"SAME"` или `"VALID"` указывающий тип алгоритма заполнения, или список, указывающий явное заполнение в начале и конце каждого измерения. Смотрите здесь для получения дополнительной информации. При использовании явного заполнения и data_format `"NHWC"`, оно должно быть в форме `[[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]]`. При использовании явного заполнения и data_format `"NCHW"`, оно должно быть в форме `[[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.

Возвращает
4-мерный тензор `Tensor` формата, указанного `data_format`. Максимально пулинговый тензор выходных данных.

© 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/versions/r2.9/api_docs/python/tf/nn/max_pool2d