什么是Caffe的等价物';tensorflow中的Maxpooling是什么?
我不知道如何在什么是Caffe的等价物';tensorflow中的Maxpooling是什么?,tensorflow,max-pooling,Tensorflow,Max Pooling,我不知道如何在Tensorflow中定义max pooling。文档内容含糊不清,无法很好地解释参数。 在池文档中,它仅表示: ksize:长度大于等于4的整数列表。窗口的大小 输入张量的每个维度。跨步:一个包含有 长度>=4。每个尺寸的滑动窗口的跨距 输入张量 及 每个池操作使用大小为ksize的矩形窗口,窗口之间用 抵消步幅。例如,如果步幅都是1,那么每个窗口都是1 已使用,如果步幅均为两个,则每个窗口中每隔一个窗口使用一个 尺寸等 在Tensorflow中,以下Caffe的max pool
Tensorflow
中定义max pooling
。文档内容含糊不清,无法很好地解释参数。在池文档中,它仅表示: ksize:长度大于等于4的整数列表。窗口的大小 输入张量的每个维度。跨步:一个包含有 长度>=4。每个尺寸的滑动窗口的跨距 输入张量 及 每个池操作使用大小为ksize的矩形窗口,窗口之间用 抵消步幅。例如,如果步幅都是1,那么每个窗口都是1 已使用,如果步幅均为两个,则每个窗口中每隔一个窗口使用一个 尺寸等 在
Tensorflow
中,以下Caffe
的max pooling
的等价物是什么
layer {
name: "pool"
type: "Pooling"
bottom: "relu"
top: "pool"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
我不确定它们是否意味着一步到位的重叠池[1,1,1,1]和不重叠的[2,2,2,2]的意思
如果步履是全部,那么每个窗口都是
已使用,如果步幅均为两个,则每个窗口中每隔一个窗口使用一个
尺寸等
要在张量流中执行最大池,请使用:
tf.nn.max_pool(value, ksize, strides, padding, data_format='NHWC', name=None)
其中ksize定义用于最大池的窗口。请注意,必须为输入的每个维度指定窗口大小。这是与caffe的最大区别,caffe为您进行所有尺寸计算。请注意,根据来自上一个卷积层的输出数量,您可能有不同的尺寸
步幅仍然与caffe中的效果相同(“跳过”输入。但是,必须为输入的每个维度重新指定步幅
尺寸至少为4或更大
请参阅此处的文档:
我不明白!您在这里说的大部分内容也在tensorflow文档中陈述,这对我来说很模糊。例如,
ksize=[1,2,2,1]
和strips=[1,1,1,1]
的意思是什么?tf.nn.max\u pool(conv1,ksize=[1,2,2,1],strips=[1,2,1],padding='SAME','name='pool1')
第一个和最后一个数字是什么?我认为第一个数字是批量大小,后面是通道、宽度、高度或它们的组合