Функция nn.avg_pool

Функция nn.avg_pool применяется к тензору и выполняет операцию усредняющего пулирования. Первым параметром передаётся входной тензор, вторым - размер окна пулирования ksize, третьим - шаг перемещения окна strides. Также можно указать тип заполнения границ padding и формат данных data_format. Функция возвращает тензор с уменьшенными пространственными размерами.

Синтаксис

tf.nn.avg_pool(value, ksize, strides, padding, [data_format])

Пример

Давайте применим усредняющее пулирование к двумерному тензору с окном 2 и шагом 2:

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)
res = tf.nn.avg_pool(t, ksize=2, strides=2, padding='VALID')
print(res)

Результат выполнения кода:

tf.Tensor([[[[ 3.5]
			 [ 5.5]]
			[[11.5]
			 [13.5]]]], shape=(1, 2, 2, 1), dtype=float32)

Пример

Давайте применим усредняющее пулирование с заполнением SAME:

<+python+> import tensorflow as tf t = tf.constant([[[[1], [2], [3]], [[4], [5], [6]], [[7], [8], [9]]]], dtype=tf.float32) res = tf.nn.avg_pool(t, ksize=2, strides=1, padding='SAME') print(res) <-python+>

Результат выполнения кода:

tf.Tensor([[[[3.]
			 [4.]]
			[[6.]
			 [7.]]]], shape=(1, 2, 2, 1), dtype=float32)

Смотрите также

функцию max_pool,
которая выполняет максимальное пулирование
функцию avg_pool2d,
которая выполняет усредняющее пулирование для 2D данных
функцию conv2d,
которая выполняет двумерную свёртку
функцию dropout,
которая применяет dropout к тензору