Python Tensorflow:撤消全局平均池

在Tensorflow中，我在网络末端执行以下全局平均池：

x_ = tf.reduce_mean(x, axis=[1,2])

我的张量

x

的形状为

（n，h，w，c）

，其中

n

是输入的数量，

w

和

h

对应于宽度和高度尺寸，

c

是通道/过滤器的数量

在调用

tf.reduce_mean（）

之后，以大小为

（n，h，w，c）

的张量

x

开始。得到的张量大小为

（n，c）

我怎样才能扭转这个过程？我怎样才能进行脱冷操作

编辑

以下是一个未按预期工作的示例：

import tensorflow as tf
import numpy as np

n, c = 1, 2 
h, w = 2, 2

x = tf.ones([n, h, w, c])
y = tf.reduce_mean(x, axis=[1,2], keepdims=True)
z = tf.reshape(y, [n, 1, 1, c])
u = tf.tile(z, [n, h, w, c])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(x)
    print("x", sess.run(x))
    print("\n")
    print(y)
    print("y", sess.run(y))
    print("\n")
    print(z)
    print("z", sess.run(z))
    print("\n")
    print(u)
    print("u", sess.run(u))

输出为：

Tensor("ones:0", shape=(1, 2, 2, 2), dtype=float32)
x [[[[1. 1.]
   [1. 1.]]

  [[1. 1.]
   [1. 1.]]]]


Tensor("Mean:0", shape=(1, 1, 1, 2), dtype=float32)
y [[[[1. 1.]]]]


Tensor("Reshape:0", shape=(1, 1, 1, 2), dtype=float32)
z [[[[1. 1.]]]]


Tensor("Tile:0", shape=(1, 2, 2, 4), dtype=float32)
u [[[[1. 1. 1. 1.]
   [1. 1. 1. 1.]]

  [[1. 1. 1. 1.]
   [1. 1. 1. 1.]]]]

---

您可以使用

tf.reforme

和

tf.tile

执行取消冷却操作

x = tf.random_uniform([n, c])
y = tf.reshape(x, [n, 1, 1, c])
z = tf.tile(y, [1, h, w, 1])

---

在调用

tf.reformate

和

tf.tile

后，以大小为

x

（n，c）的张量开始，得到的张量

z

大小为

（n，h，w，c）

，当我测试你的答案时，张量

z

大小为

[n*n，h，w，c]/code>？如何检查去冷操作是否正常工作？显示张量形状。打印（z.shape）我添加了一个示例对不起，瓷砖被修改了并修改了。