Tensorflow池化层(pooling)和全连接层(den)
⼀、池化层(pooling)
池化层定义在 tensorflow/python/layers/pooling.py.
有最⼤值池化和均值池化。
1. 最⼤池化层 tf.layers.max_pooling2d
max_pooling2d(
inputs,
pool_size,
strides,
padding='valid',
data_format='channels_last',
name=None
)
inputs: 进⾏池化的数据。
pool_size: 池化的核⼤⼩(pool_height, pool_width),如[3,3]. 如果长宽相等,也可以直接设置为⼀个数,如pool_size=3.
strides: 池化的滑动步长。可以设置为[1,1]这样的两个整数. 也可以直接设置为⼀个数,如strides=2
padding: 边缘填充,’same’ 和’valid‘选其⼀。默认为valid
data_format: 输⼊数据格式,默认为channels_last ,即 (batch, height, width, channels),也可以设置为channels_first 对应 (batch, channels, height, width).
4月是什么星座name: 层的名字。
样例:
pool1=tf.layers.max_pooling2d(inputs=x, pool_size=[2, 2], strides=2)
⼀般是放在卷积层之后,如:
conv=v2d(
inputs=x,
filters=32,
kernel_size=[5, 5],
padding="same",
lu)
pool=tf.layers.max_pooling2d(inputs=conv, pool_size=[2, 2], strides=2)
2. 均值池化 tf.layers.average_pooling2d
average_pooling2d(
inputs,
pool_size,
strides,
padding='valid',
data_format='channels_last',
黑芝麻黑米粥
name=None
青蛙的做法)
参数的话和前⾯⼀样的,就是实现的时候的名字不同。
⼆、全连接层(den)
全连接den层定义在 tensorflow/python/layers/core.py.
1. 全连接层 tf.layers.den
den(
燕麦功效
念年有余
inputs,
units,
activation=None,
u_bias=True,
kernel_initializer=None,
bias_s_initializer(),
kernel_regularizer=None,
bias_regularizer=None,
activity_regularizer=None,
怎样做馅饼trainable=True,
name=None,
reu=None
)空隙的近义词
梦见已故的人inputs: 输⼊数据,2维tensor.
units: 该层的神经单元结点数。
activation: 激活函数.
u_bias: Boolean型,是否使⽤偏置项.
kernel_initializer: 卷积核的初始化器.
bias_initializer: 偏置项的初始化器,默认初始化为0.
kernel_regularizer: 卷积核化的正则化,可选.
bias_regularizer: 偏置项的正则化,可选.
activity_regularizer: 输出的正则化函数.
trainable: Boolean型,表明该层的参数是否参与训练。如果为真则变量加⼊到图集合中 GraphKeys.TRAINABLE_VARIABLES (e tf.Variable). name: 层的名字.
reu: Boolean型, 是否重复使⽤参数.
全连接层执⾏操作outputs=activation(inputs.kernel+bias)outputs=activation(inputs.kernel+bias)如果执⾏结果不想进⾏激活操作,则设置activation=None 例如:
#全连接层
den1 = tf.layers.den(inputs=pool3, units=1024, lu)
den2= tf.layers.den(inputs=den1, units=512, lu)
logits= tf.layers.den(inputs=den2, units=10, activation=None)
也可以对全连接层的参数进⾏正则化约束:
den1 = tf.layers.den(inputs=pool3, units=1024, lu,kernel_ib.layers.l2_regularizer(0.003))