最大池tensorflow中的单个图像使用“tf.nn.avg\u池"

Question

我想申请”tf.nn.max\u池（）“在单个图像上，但我得到的结果的维数与输入值完全不同：

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。我需要用一个例子来说明这个问题。你知道吗

感谢您的帮助。你知道吗

Answer 1

您的输入是(7,7,3)，内核大小是(3,3)，跨步是(2,2)。因此，如果不需要任何填充（在注释中说明），应该使用padding="VALID"，这将返回(3,3)张量作为输出。如果使用padding="SAME"，它将返回(4,4)张量。你知道吗

通常，计算同一焊盘输出尺寸的公式为：

out_size = ceil(in_sizei/stride)

有效pad为：

out_size = ceil(in_size-filter_size+1/stride)