Функция nn.max_pool2d

Функция nn.max_pool2d применяется к тензору для выполнения операции максимального пулинга над двумерными данными. Первым параметром передается входной тензор, вторым - размер пулирующего окна ksize. Третьим параметром задается шаг strides, четвертым - тип дополнения padding.

Синтаксис

tf.nn.max_pool2d(input, ksize, strides, padding)

Пример

Давайте применим максимальный пулинг к тензору с формой 4x4 и окном 2x2:

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.reshape(t, [1, 4, 4, 1])
res = tf.nn.max_pool2d(t, ksize=2, strides=2, padding='VALID')
print(res)

Результат выполнения кода:

tf.Tensor(
[[[[ 6.]
   [ 8.]]

  [[14.]
   [16.]]]], shape=(1, 2, 2, 1), dtype=float32)

Пример

Давайте применим максимальный пулинг с дополнением SAME:

import tensorflow as tf

t = tf.constant([
	[1, 2, 3],
	[4, 5, 6],
	[7, 8, 9]
], dtype=tf.float32)

t = tf.reshape(t, [1, 3, 3, 1])
res = tf.nn.max_pool2d(t, ksize=2, strides=1, padding='SAME')
print(res)

Результат выполнения кода:

tf.Tensor(
[[[[5.]
   [6.]
   [6.]]

  [[8.]
   [9.]
   [9.]]

  [[8.]
   [9.]
   [9.]]]], shape=(1, 3, 3, 1), dtype=float32)

Пример

Давайте применим максимальный пулинг с шагом больше размера окна:

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]
], dtype=tf.float32)

t = tf.reshape(t, [1, 6, 6, 1])
res = tf.nn.max_pool2d(t, ksize=2, strides=3, padding='VALID')
print(res)

Результат выполнения кода:

tf.Tensor(
[[[[ 8.]
   [10.]]

  [[32.]
   [34.]]]], shape=(1, 2, 2, 1), dtype=float32)

Смотрите также

функцию max_pool,
которая выполняет максимальный пулинг
функцию max_pool1d,
которая выполняет максимальный пулинг для одномерных данных
функцию avg_pool2d,
которая выполняет усредняющий пулинг
функцию conv2d,
которая выполняет двумерную свертку