का उपयोग कर AveragePooling2D के बजाय GlobalAveragePooling 2 डी को बदलने के लिए घने परतों के बाद एक FCN वर्गीकरण के लिए

GlobalAveragePooling2D जाएगा downsample एक इनपुट लेने के द्वारा, औसत मूल्य के साथ स्थानिक आयामों और वापस एक -1 डी आउटपुट: डिफ़ॉल्ट रूप से, जब तक कि आप सेट keepdims= True. AveragePooling2D यह भी downsamples एक इनपुट लेता है, लेकिन औसत मूल्य पर एक इनपुट खिड़की से परिभाषित pool_size पैरामीटर. तो, यह वापस आ जाएगी एक 3 डी उत्पादन:

import tensorflow as tf
x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])

x = tf.reshape(x, [1, 3, 3, 1]) # Add batch dimension

avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='valid')
avg_global_2d = tf.keras.layers.GlobalAveragePooling2D()
print(avg_pool_2d(x).shape)
print(avg_global_2d(x).shape)

(1, 2, 2, 1)
(1, 1)

आप शायद होगा समतल करने के लिए अपने उत्पादन में से AveragePooling2D परत करना चाहते हैं तो आप इसे फ़ीड करने के लिए एक Dense परत बाद में:

import tensorflow as tf
x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])

x = tf.reshape(x, [1, 3, 3, 1]) # Add batch dimension

avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
   strides=(1, 1), padding='valid')
avg_global_2d = tf.keras.layers.GlobalAveragePooling2D()
print(tf.keras.layers.Flatten()(avg_pool_2d(x)).shape)
print(avg_global_2d(x).shape)

(1, 4)
(1, 1)

अगर है कि मामला नहीं है आप कर सकते हैं बस इसे छोड़ के रूप में यह है.

अद्यतन: GlobalAveragePooling2D और AveragePooling2D कर सकते हैं कभी कभी इसी तरह व्यवहार करते हैं, तो आप को समायोजित strides और pool_size मापदंडों तदनुसार:

import tensorflow as tf
x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]])

x = tf.reshape(x, [1, 3, 3, 1]) # Add batch dimension

avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(2, 2),
   strides=(3, 3), padding='valid')
avg_global_2d = tf.keras.layers.GlobalAveragePooling2D()

print(avg_pool_2d(x))
print(avg_global_2d(x))

tf.Tensor([[[[3.]]]], shape=(1, 1, 1, 1), dtype=float32)
tf.Tensor([[5.]], shape=(1, 1), dtype=float32)

या

avg_pool_2d = tf.keras.layers.AveragePooling2D(pool_size=(3, 3),
   strides=(2, 2), padding='valid')
avg_global_2d = tf.keras.layers.GlobalAveragePooling2D()

tf.Tensor([[[[5.]]]], shape=(1, 1, 1, 1), dtype=float32)
tf.Tensor([[5.]], shape=(1, 1), dtype=float32)

जोड़ने के लिए ऊपर के जवाब में, वैश्विक औसत पूलिंग इस्तेमाल किया जा सकता लेने के लिए चर आकार की छवियों के रूप में जानकारी. यदि इनपुट आकार से पहले वैश्विक पूलिंग है (N,H,W,C) तो उत्पादन किया जाएगा (N,1,1,C) के लिए keras जब keepdims=True. इस बनाता है उत्पादन की छवियों के साथ अलग अलग (H,W) उत्पादन इसी तरह के आकार outputs.

संदर्भ:

• https://stats.stackexchange.com/questions/388859/is-it-possible-to-give-variable-sized-images-as-input-to-a-convolutional-neural