3

我只在带有 tensorflow 后端的 keras 中MaxPooling2D找到了。AveragePooling2D一直在寻找MinimumPooling2D。这个 github链接建议使用类似这样的东西来最小化池（pool2d(-x)）

在输入前使用负号时出现错误。我在 keras 中使用的以下行

MaxPooling2D((3, 3), strides=(2, 2), padding='same')(-inputs)
4

2 回答 2

6

否定层的输入参数是不够的，MaxPooling2D因为这样池化的值将是负数。

我认为你最好实际实现一个通用MinPooling2D类，它的池化函数获得与 Keras 类相同的参数MaxPooling2D并且类似地操作。通过继承 from MaxPooling2D，实现非常简单：

from keras import layers
from keras import backend as K

class MinPooling2D(layers.MaxPooling2D):


  def __init__(self, pool_size=(2, 2), strides=None, 
               padding='valid', data_format=None, **kwargs):
    super(MaxPooling2D, self).__init__(pool_size, strides, padding,
                                       data_format, **kwargs)

  def pooling_function(inputs, pool_size, strides, padding, data_format):
    return -K.pool2d(-inputs, pool_size, strides, padding, data_format,
                                                         pool_mode='max')

现在您可以像使用图层一样使用该MaxPooling2D图层。例如，这是一个如何MinPooling2D在简单的序列卷积神经网络中使用层的示例：

from keras import models
from keras import layers

model = models.Sequential()

model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(MinPooling2D(pool_size=(2, 2)))
model.add(layers.Flatten())
model.add(layers.Dense(10, activation='softmax'))
于 2018-03-11T10:38:21.130 回答
0

将 Keras 与 TF 结合使用，您只需使用MaxPooling2D(). 您将输入特征图乘以-1，然后执行MaxPooling2D()，然后再次将输出乘以-1。在这里如何做到这一点：

 min_pool = -tf.keras.layers.MaxPooling2D()(-input_features)
于 2021-11-24T09:45:42.937 回答