Класс MaxPooling2D

Класс MaxPooling2D применяется к двумерным данным, например, к изображениям или картам признаков сверточных слоев. Слой разбивает входной тензор на окна заданного размера и выбирает максимальное значение в каждом окне. Первым параметром передается размер пула pool_size, вторым - шаг strides, третьим - тип заполнения padding.

Синтаксис

tf.keras.layers.MaxPooling2D(
	pool_size=(2, 2),
	strides=None,
	padding='valid',
	data_format=None
)

Пример

Давайте создадим слой максимального пулинга с окном 2 на 2 и применим его к двумерному тензору:

import tensorflow as tf

t = tf.constant([[[1, 2, 3, 4],
	[5, 6, 7, 8],
	[9, 10, 11, 12],
	[13, 14, 15, 16]]], dtype=tf.float32)
t = tf.expand_dims(t, axis=-1)

layer = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))
res = layer(t)
print(res.shape)
print(res.numpy())

Результат выполнения кода:

(1, 2, 2, 1)
[[[[ 6.]
   [ 8.]]

  [[14.]
   [16.]]]]

Пример

Давайте изменим шаг пулинга с помощью параметра strides:

import tensorflow as tf

t = tf.constant([[[1, 2, 3, 4],
	[5, 6, 7, 8],
	[9, 10, 11, 12],
	[13, 14, 15, 16]]], dtype=tf.float32)
t = tf.expand_dims(t, axis=-1)

layer = tf.keras.layers.MaxPooling2D(pool_size=(2, 2), strides=(1, 1))
res = layer(t)
print(res.shape)
print(res.numpy())

Результат выполнения кода:

(1, 3, 3, 1)
[[[[ 6.]
   [ 7.]
   [ 8.]]

  [[10.]
   [11.]
   [12.]]

  [[14.]
   [15.]
   [16.]]]]

Пример

Давайте используем заполнение padding='same', чтобы сохранить размерность выхода:

import tensorflow as tf

t = tf.constant([[[1, 2, 3, 4],
	[5, 6, 7, 8],
	[9, 10, 11, 12],
	[13, 14, 15, 16]]], dtype=tf.float32)
t = tf.expand_dims(t, axis=-1)

layer = tf.keras.layers.MaxPooling2D(pool_size=(2, 2), padding='same')
res = layer(t)
print(res.shape)
print(res.numpy())

Результат выполнения кода:

(1, 2, 2, 1)
[[[[ 6.]
   [ 8.]]

  [[14.]
   [16.]]]]

Пример

Давайте применим слой максимального пулинга в составе модели:

import tensorflow as tf

model = tf.keras.Sequential([
	tf.keras.layers.Input(shape=(4, 4, 1)),
	tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
	tf.keras.layers.Flatten(),
	tf.keras.layers.Dense(2, activation='softmax')
])

t = tf.constant([[[1, 2, 3, 4],
	[5, 6, 7, 8],
	[9, 10, 11, 12],
	[13, 14, 15, 16]]], dtype=tf.float32)
t = tf.expand_dims(t, axis=-1)

res = model(t)
print(res.shape)
print(res.numpy())

Результат выполнения кода:

(1, 2)
[[0.5 0.5]]

Смотрите также

класс MaxPooling1D,
который выполняет максимальный пулинг над одномерными данными
класс MaxPooling3D,
который выполняет максимальный пулинг над трехмерными данными
класс AveragePooling2D,
который выполняет усредняющий пулинг над двумерными данными
класс Conv2D,
который выполняет двумерную свертку над входными данными