目录

  Same最大值池化

  多深度的same池化

  Same平均值池化

  Valid池化

  参考资料


池化(Pooling)操作与卷积类似,取输入张量的每个位置的矩形领域内的最大值或平均值作为该位置的输出。

池化操作分为same池化和valid池化,同时还可以设置移动的步长

Same最大值池化

举例:4行4列的张量x和2行3列的掩码进行步长为1的same最大值池化,其过程如下

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

池化的结果是

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

返回目录

多深度的same池化

多深度的same池化是在每个深度上分别进行池化操作。

举例:3行3列2深度的张量和2行2列2深度的掩码进行步长为2的same最大值池化

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

池化后不改变深度,结果为

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

返回目录

Same平均值池化

举例:3行3列2深度的张量和2行2列2深度的掩码进行步长为2的same平均值池化

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

池化后不改变深度,结果为

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

返回目录

Valid池化

Valid池化与same池化的不同之处在于掩码只在张量内移动,举例:4*4*1的张量x和2*2*1的掩码进行步长为1的valid最大值池化

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

结果为

深度学习面试题11:池化(same池化、valid池化、带深度的池化)-LMLPHP

返回目录

参考资料

《图解深度学习与神经网络:从张量到TensorFlow实现》_张平

返回目录

05-11 19:45