【Keras】AveragePooling1D层和GlobalAveragePooling1D层
AveragePooling1D层
tf.keras.layers.AveragePooling1D(
pool_size=2, strides=None, padding="valid", data_format="channels_last", **kwargs
)
- 平均池化用于时序数据。
- 下采样输入表示，通过对被定义为pool_size的窗口取平均值。窗口根据步长strides进行切换。
- 当使用"valid" （padding）填充选项时，结果的输出的形状为：output_shape = (input_shape - pool_size + 1) / strides)
- 示例代码1：
>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> x
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=
array([[[1.],
[2.],
[3.],
[4.],
[5.]], dtype=float32)>
>>> avg_pool_1d = tf.keras.layers.AveragePooling1D(pool_size=2,
... strides=1, padding='valid')
>>> avg_pool_1d(x)
<tf.Tensor: shape=(1, 4, 1), dtype=float32, numpy=
array([[[1.5],
[2.5],
[3.5],
[4.5]]], dtype=float32)>
- 当使用"same"（padding）填充选项时，输出形状：output_shape = input_shape / strides
- 示例代码2：
>>> x = tf.constant([1., 2., 3., 4., 5.])
>>> x = tf.reshape(x, [1, 5, 1])
>>> x
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=
array([[[1.],
[2.],
[3.],
[4.],
[5.]], dtype=float32)>
>>> avg_pool_1d = tf.keras.layers.AveragePooling1D(pool_size=2,
... strides=1, padding='same')
>>> avg_pool_1d(x)
<tf.Tensor: shape=(1, 5, 1), dtype=float32, numpy=
array([[[1.5],
[2.5],
[3.5],
[4.5],
[5.]]], dtype=float32)>
参数：
- pool_size：平均池化窗口的大小；
- strides：步长，如果是None，它默认值为pool_size。
- data_format：字符串，可选项为“channels_last”和“channels_first”。也就是输入中的维度排序，channels_last 对应于inputs with shape (batch, steps, features)，channels_first 对应于 inputs with shape (batch, features, steps)。
GlobalAveragePooling1D层
tf.keras.layers.GlobalAveragePooling1D(data_format="channels_last", **kwargs)
示例代码：
>>> input_shape = (2, 3, 4)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.GlobalAveragePooling1D()(x)
>>> print(y.shape)
(2, 4)
调用参数：
- inputs：一个三维的tensor。
- mask：二元的tensor，它的shape是（batch_size, steps），表明给定的step是否应该被masked（也就是从平均值里剔除）。
官方文档：
- https://keras.io/api/layers/pooling_layers/average_pooling1d/
- https://keras.io/api/layers/pooling_layers/global_average_pooling1d/