zoukankan      html  css  js  c++  java
  • 池化—Pooling

    作用:池化操作用于减少卷积神经网络中特征的数据量。

    方法:

      主要包含最大池化和均值池化。

      1)最大池化

        可以提取图片纹理

      2)均值池化

        保留背景特征

      

     TF2描述:

      1)最大池化

      tf.keras.layers.MaxPool2D(

        pool_size = 池化核尺寸,# 写一个元组(核高,核宽)高宽一致时可写成整数

        strides = 池化步长, # 写一个元组(核高,核宽)高宽一致时可写成整数,默认值为pool_size

        padding = 'valid' or 'same' # 使用全零填充是same,不适用是valid(默认)

      )

      2)均值池化 

      tf.keras.layers.AveragePooling2D(

        pool_size = 池化核尺寸,# 写一个元组(核高,核宽)高宽一致时可写成整数

        strides = 池化步长, # 写一个元组(核高,核宽)高宽一致时可写成整数,默认值为pool_size

        padding = 'valid' or 'same' # 使用全零填充是same,不适用是valid(默认)

      )

    实例:

    1 model = tf.keras.models.Sequential(
    2     Conv2D(filter=6, kernel_size=(5, 5), padding='same'),  # 卷积层
    3     BatchNormalization(),  # BN层
    4     Activation('relu'),  # 激活函数
    5     MaxPool2D(pool_size=(2, 2), strides=2, padding='same'),  # 池化层
    6     Dropout(0.2)  # dropout层
    7 )
  • 相关阅读:
    约束
    TCL(事务控制语言)
    MySQL常见约束
    “三大范式”及数据库设计
    同义词(别名)
    分享35个非常漂亮的单页网站设计案例
    Eclipse智能提示 (原创)
    java架构师之路:JAVA程序员必看的15本书的电子版下载地址
    Java初级学习笔记
    Java程序的汉化
  • 原文地址:https://www.cnblogs.com/cropmodel/p/13364970.html
Copyright © 2011-2022 走看看