Machine learning 全局池操作的池大小是多少？

在正常的池操作中，我们必须提到池操作的池大小，就像2D池操作一样，我们提到2,2；但是，在全局池操作中，它不是必需的。那么，它的大小是否与输入相同？我正在研究Keras。一位作者提到，池大小与输入大小或输入大小筛选器大小+1相同。哪一个是正确的？

在1D池的情况下，如中所述，它将形状批次大小、步骤、特征的数组作为输入，其输出形状是批次大小、特征。因此，池大小等于步数

在2D池的情况下，如中所述，它将一个形状为batch_size、rows、cols、channels的数组作为输入，其输出形状为batch_size、channels。所以池大小等于行，cols

---

在这两种情况下，池大小与其背后的直觉一致：在整个数据轴（即全局）上取最大值。

在1D池的情况下，如中所述，它将形状批次大小、步骤、特征数组作为输入，其输出形状为批次大小、特征。因此，池大小等于步数

在2D池的情况下，如中所述，它将一个形状为batch_size、rows、cols、channels的数组作为输入，其输出形状为batch_size、channels。所以池大小等于行，cols

在这两种情况下，池大小都与它背后的直觉一致：在整个数据轴（即全局）上取最大值。

如果输入形状为None，rows，cols，filters，则全局池使用pool_大小的行，cols。

如果输入形状为None，rows，cols，filters，则全局池使用pool_大小的行，cols