本文主要是介绍Keras--池化层，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
MaxPooling1D
#
keras.layers.MaxPooling1D(pool_size=2, strides=None, padding='valid') #缩小比例的因数
# strides如果是 None，那么默认值是 pool_size。MaxPooling2D
对于空域数据的最大池化。
keras.layers.MaxPooling2D(pool_size=(2, 2), strides=None, padding='valid', data_format=None)
# pool_size 是缩小比例的因数MaxPooling3D
对于 3D（空域，或时空域）数据的最大池化
keras.layers.MaxPooling3D(pool_size=(2, 2, 2), strides=None, padding='valid', data_format=None)
# pool_size是缩小比例的因数。(2, 2, 2) 会把 3D 输入张量的每个维度缩小一半。AveragePooling1D
对于时序数据的平均池化。
# strides: 整数，或者是 None。作为缩小比例的因数。 例如，2 会使得输入张量缩小一半。 如果是 None，那么默认值是 pool_size。
keras.layers.AveragePooling1D(pool_size=2, strides=None, padding='valid')AveragePooling2D
对于空域数据的平均池化。
keras.layers.AveragePooling2D(pool_size=(2, 2), strides=None, padding='valid', data_format=None)
# pool_size是竖直方向和水平方向缩小比例的因数。（2，2）会把输入张量的两个维度都缩小一半。 AveragePooling3D
keras.layers.AveragePooling3D(pool_size=(2, 2, 2), strides=None, padding='valid', data_format=None)以下，输入尺寸和输出尺寸维度不一样。
GlobalMaxPooling1D
对于时序数据的全局最大池化。
keras.layers.GlobalMaxPooling1D()输入尺寸
尺寸是 (batch_size, steps, features) 的 3D 张量。
输出尺寸
尺寸是 (batch_size, features) 的 2D 张量。
GlobalMaxPooling2D
keras.layers.GlobalMaxPooling2D(data_format=None)输入尺寸
如果 data_format='channels_last': 尺寸是 (batch_size, rows, cols, channels) 的 4D 张量
如果 data_format='channels_first': 尺寸是 (batch_size, channels, rows, cols) 的 4D 张量
输出尺寸
尺寸是 (batch_size, channels) 的 2D 张量
这篇关于Keras--池化层的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
