2

我想在单个图像上应用“tf.nn.max_pool()”，但我得到的结果与输入的尺寸完全不同：

import tensorflow as tf
import numpy as np

ifmaps_1 = tf.Variable(tf.random_uniform( shape=[ 7, 7, 3], minval=0, maxval=3, dtype=tf.int32))

ifmaps=tf.dtypes.cast(ifmaps_1, dtype=tf.float64)

ofmaps_tf = tf.nn.max_pool([ifmaps], ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding="SAME")[0] # no padding

init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    print("ifmaps_tf = ")
    print(ifmaps.eval())
    print("ofmaps_tf = ")
    result = sess.run(ofmaps_tf)
    print(result)

我认为这与尝试将池应用于单个示例而不是批处理有关。我需要对单个示例进行池化。

任何帮助表示赞赏。

4

1 回答 1

1

您的输入是(7,7,3)，内核大小是(3,3)，步幅是(2,2)。因此，如果您不想要任何填充（在您的评论中说明），您应该使用padding="VALID"，这将返回一个(3,3)张量作为输出。如果使用padding="SAME"，它将返回(4,4)张量。

通常，SAME pad 的输出大小计算公式为：

out_size = ceil(in_sizei/stride)

对于 VALID 垫是：

out_size = ceil(in_size-filter_size+1/stride)
于 2019-10-30T21:47:11.327 回答