【Keras】AveragePooling1D层和GlobalAveragePooling1D层

Keras】AveragePooling1D层和GlobalAveragePooling1D层"/>

【Keras】AveragePooling1D层和GlobalAveragePooling1D层

AveragePooling1D层

tf.keras.layers.AveragePooling1D(pool_size=2, strides=None, padding="valid", data_format="channels_last", **kwargs
)

• 平均池化用于时序数据。
• 下采样输入表示，通过对被定义为pool_size的窗口取平均值。窗口根据步长strides进行切换。
• 当使用"valid" （padding）填充选项时，结果的输出的形状为：output_shape = (input_shape - pool_size + 1) / strides)
• 示例代码1：

>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> x
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=array([[[1.],[2.],[3.],[4.],[5.]], dtype=float32)>
>>> avg_pool_1d = tf.keras.layers.AveragePooling1D(pool_size=2,
...    strides=1, padding='valid')
>>> avg_pool_1d(x)
<tf.Tensor: shape=(1, 4, 1), dtype=float32, numpy=
array([[[1.5],[2.5],[3.5],[4.5]]], dtype=float32)>

• 当使用"same"（padding）填充选项时，输出形状：output_shape = input_shape / strides
• 示例代码2：

>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> x
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=array([[[1.],[2.],[3.],[4.],[5.]], dtype=float32)>
>>> avg_pool_1d = tf.keras.layers.AveragePooling1D(pool_size=2,
...    strides=1, padding='same')
>>> avg_pool_1d(x)
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=
array([[[1.5],[2.5],[3.5],[4.5],[5.]]], dtype=float32)>

参数：

• pool_size：平均池化窗口的大小；
• strides：步长，如果是None，它默认值为pool_size。
• data_format：字符串，可选项为“channels_last”和“channels_first”。也就是输入中的维度排序，channels_last 对应于inputs with shape (batch, steps, features)，channels_first 对应于 inputs with shape (batch, features, steps)。

GlobalAveragePooling1D层

tf.keras.layers.GlobalAveragePooling1D(data_format="channels_last", **kwargs)

示例代码：

>>> input_shape = (2, 3, 4)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.GlobalAveragePooling1D()(x)
>>> print(y.shape)
(2, 4)

调用参数：

• inputs：一个三维的tensor。
• mask：二元的tensor，它的shape是（batch_size, steps），表明给定的step是否应该被masked（也就是从平均值里剔除）。

官方文档：

• /
• /