MaxPooling1D 层
MaxPooling1D class
keras.layers.MaxPooling1D(
pool_size=2, strides=None, padding="valid", data_format=None, name=None, **kwargs
)
一维时间数据的池化操作.
通过取大小为 pool_size 的空间窗口中的最大值来对输入表示进行下采样.窗口通过 strides 移动.
使用 "valid" 填充选项时的输出形状为:
output_shape = (input_shape - pool_size + 1) / strides).
使用 "same" 填充选项时的输出形状为:
output_shape = input_shape / strides
参数:
pool_size: int, 最大池化窗口的大小.
strides: int 或 None.指定池化窗口在每个池化步骤中移动的距离.如果为 None,则默认为 pool_size.
padding: string, 可以是 "valid" 或 "same"（不区分大小写）.
"valid" 表示没有填充."same" 会导致在输入的左右或上下均匀填充,使得输出具有与输入相同的高度/宽度维度.
data_format: string, 可以是 "channels_last" 或 "channels_first".
输入中维度的顺序."channels_last" 对应于形状为 (batch, steps, features) 的输入,而 "channels_first" 对应于形状为 (batch, features, steps) 的输入.它默认为在 ~/.keras/keras.json 中的 image_data_format 值.如果你从未设置过它,那么它将是 "channels_last".
输入形状:
- 如果
data_format="channels_last": 形状为(batch_size, steps, features)的 3D 张量. - 如果
data_format="channels_first": 形状为(batch_size, features, steps)的 3D 张量.
输出形状:
- 如果
data_format="channels_last": 形状为(batch_size, downsampled_steps, features)的 3D 张量. - 如果
data_format="channels_first": 形状为(batch_size, features, downsampled_steps)的 3D 张量.
示例:
strides=1 和 padding="valid":
>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,
... strides=1, padding="valid")
>>> max_pool_1d(x)
strides=2 和 padding="valid":
>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,
... strides=2, padding="valid")
>>> max_pool_1d(x)
strides=1 和 padding="same":
>>> x = np.array([1., 2., 3., 4., 5.])
>>> x = np.reshape(x, [1, 5, 1])
>>> max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,
... strides=1, padding="same")
>>> max_pool_1d(x)