Python 3.x keras中的分数最大池

keras库中现有的函数包括最大池、平均池等

然而，我想在本文的基础上在keras中实现分数最大池

我的执行情况如下：

model = Sequential()
......
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

因此，与model.add（MaxPooling2D（pool_size=（2，2））不同，我想实现如下内容：

model.add(fractionalMaxpool2D(..............))

可能吗？ 我目前正在tensorflow中使用keras作为后端

如果有人能提供算法/代码，我将不胜感激

---

我对这个很陌生，因为我以前没有写过任何自定义图层，所以有人能帮忙吗？谢谢

在我看来，您可以通过实现自定义层来实现这一点

class FractionalMaxpool2D(Layer):
    def __init__(self, output_dim):
        super(FractionalMaxpool2D, self).__init__()
        self.output_dim = output_dim
    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        # This kind of layer doesn't have any variable
        pass
    def call(self, x):
        # Handle you algorithm here
        return ....  
    def compute_output_shape(self, input_shape):
        # return the output shape
        return (input_shape[0], self.output_dim)

问题是很难实现使用GPU的分数最大池的核心功能。

---

请从Keras的Github查看。

您可以使用Keras Lambda层来包装tf.nn.fractional\u max\u池，如

FMP=λ（λimg，池大小：tf.nn.分数最大池（img，池大小））

现在，您可以在Keras代码中使用FMP，就像其他具有两个参数的层一样

Img：尺寸如[批次、高度、宽度、通道]

池大小：[1.0，池大小你想要，池大小你想要，1.0]

---

第一个和最后一个是1.0，这是因为tf不在批量大小和通道上执行池，而是在高度和宽度上执行池。您需要更具体一些。你想让人们为你实现算法吗？是的！那太好了。好的，我会编辑的职位更具体！谢谢你的问题得到了回答。不太理想，但你可以在高档和低档之间切换，以有效地获得2/3和3/2。好的，谢谢你的建议！由于我是新来的，你能解释一下代码是怎么回事吗？thanksI意味着您应该为自己的目的创建自定义层。自定义图层是从图层类扩展而来的。层中的一些重要方法是：-构建：如果需要，创建可训练变量。-调用：执行计算以获得输出-计算输出形状：返回输出形状（数据穿过图层后的形状是什么）