tf.keras.layers.MaxPool?D函数

最大池化层通常用于对数据进行降采样，去除冗余信息、对特征进行压缩。

1、tf.keras.layers.MaxPool1D函数

函数原型

tf.keras.layers.MaxPool1D(pool_size=2,
						  strides=None,
						  padding='valid',
						  data_format='channels_last',
						  **kwargs
)

函数说明

参数pool_size表示池化窗口的大小，参数strides表示移动步长，默认为None，表示和pool_size的大小一样。

注意，padding参数的含义和卷积层的padding参数的含义有点不一样，当padding为VALID，也就是无填充时，输出张量的大小为(输入张量的大小-pool_size + 1 )/ strides，当padding为SAME时，输出张量的大小为输入张量的大小 / strides。

2、tf.keras.layers.MaxPool2D函数

函数原型

tf.keras.layers.MaxPool2D(pool_size=(2, 2),
						  strides=None,
						  padding='valid',
						  data_format=None,
						  **kwargs
)

函数说明

二维最大池化的过程如上图所示。其中输入矩阵大小为4×4，pool_size为2×2，strides为2，padding方式为无填充，得到的输出矩阵大小为2×2。可以看出，池化后的矩阵相对于输入矩阵，仅仅保留了特征值较高的一部分。也就是说，池化操作降低了图像的采样率。

这里的参数pool_size是一个元组(2, 2)，表示池化窗口的大小为2×2。

3、tf.keras.layers.MaxPool3D函数

函数原型

tf.keras.layers.MaxPool3D(pool_size=(2, 2, 2),
						  strides=None,
						  padding='valid',
						  data_format=None,
						  **kwargs
)

函数说明

三维池化层使用场景一般是多帧（单/多通道）的frame数据（视频帧），且输出也是多帧，依次对连续k帧的整个通道同时执行池化操作；

函数各参数的含义与MaxPool2D、MaxPool1D各参数的含义类似。