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化应用于单个示例而不是批处理有关。我需要在单个示例上进行池化。
任何帮助都是非常感谢的。
发布于 2019-10-30 21:47:11
您的输入是(7,7,3)
,内核大小是(3,3)
,stride是(2,2)
。因此,如果您不需要任何填充,(在您的注释中声明),您应该使用padding="VALID"
,它将返回一个(3,3)
张量作为输出。如果您使用padding="SAME"
,它将返回(4,4)
张量。
通常,计算相同焊盘的输出尺寸的公式为:
out_size = ceil(in_sizei/stride)
有效焊盘为:
out_size = ceil(in_size-filter_size+1/stride)
https://stackoverflow.com/questions/58633364
复制相似问题