Класс MaxPooling3D

Класс MaxPooling3D применяется к трехмерным данным, например, к видеопоследовательностям или объемным изображениям. Слой разбивает входной тензор на окна заданного размера и выбирает максимальное значение в каждом окне. Первым параметром передается размер пулинг-окна pool_size, вторым - шаг смещения окна strides. Также можно указать тип заполнения границ padding и тип данных dtype.

Синтаксис

tf.keras.layers.MaxPooling3D(
	pool_size=(2, 2, 2),
	strides=None,
	padding="valid",
	data_format=None,
	dtype=None
)

Пример

Давайте создадим слой MaxPooling3D с размером окна 2 на 2 на 2 и применим его к тензору размером 4 на 4 на 4 с одним каналом:

import tensorflow as tf

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

				  [[[17], [18], [19], [20]],
				   [[21], [22], [23], [24]],
				   [[25], [26], [27], [28]],
				   [[29], [30], [31], [32]]],

				  [[[33], [34], [35], [36]],
				   [[37], [38], [39], [40]],
				   [[41], [42], [43], [44]],
				   [[45], [46], [47], [48]]],

				  [[[49], [50], [51], [52]],
				   [[53], [54], [55], [56]],
				   [[57], [58], [59], [60]],
				   [[61], [62], [63], [64]]]])

layer = tf.keras.layers.MaxPooling3D(pool_size=(2, 2, 2))
res = layer(t)
print(res.shape)
print(res)

Результат выполнения кода:

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

   [[14.]
	[16.]]]


  [[[38.]
	[40.]]

   [[46.]
	[48.]]]]], shape=(1, 2, 2, 2, 1), dtype=float32)

Пример

Давайте применим слой MaxPooling3D с шагом 2 на 2 на 2 и заполнением границ same:

<+python+> import tensorflow as tf t = tf.constant([[[[1], [2], [3]], [[4], [5], [6]], [[7], [8], [9]]]]) layer = tf.keras.layers.MaxPooling3D( pool_size=(2, 2, 2), strides=(2, 2, 2), padding="same" ) res = layer(t) print(res.shape) print(res) <-python+>

Результат выполнения кода:

(1, 2, 2, 2, 1)
tf.Tensor(
[[[[[5.]
	[6.]]

   [[8.]
	[9.]]]


  [[[5.]
	[6.]]

   [[8.]
	[9.]]]]], shape=(1, 2, 2, 2, 1), dtype=float32)

Пример

Давайте создадим модель с входным слоем Input, слоем Conv3D и слоем MaxPooling3D для обработки объемных данных:

import tensorflow as tf

model = tf.keras.Sequential([
	tf.keras.layers.Input(shape=(8, 8, 8, 1)),
	tf.keras.layers.Conv3D(2, kernel_size=(3, 3, 3), activation="relu"),
	tf.keras.layers.MaxPooling3D(pool_size=(2, 2, 2))
])

print(model.input_shape)
print(model.output_shape)

Результат выполнения кода:

(None, 8, 8, 8, 1)
(None, 3, 3, 3, 2)

Смотрите также

класс MaxPooling1D,
который выполняет максимальный пулинг над одномерными данными
класс MaxPooling2D,
который выполняет максимальный пулинг над двумерными данными
класс Conv3D,
который выполняет трехмерную свертку над входными данными
класс AveragePooling2D,
который выполняет усредняющий пулинг над двумерными данными