详解Keras3.0 Layers API: Pooling layers （MaxPooling1D、MaxPooling2D、MaxPooling3D）

1、MaxPooling1D layer

一维最大池化层

keras.layers.MaxPooling1D(
    pool_size=2, strides=None, padding="valid", data_format=None, name=None, **kwargs
)

参数说明

• pool_size：整数或整数元组，表示池化窗口的大小。如果为整数，则在每个维度上使用相同的池化窗口大小。例如，pool_size=2 表示在每个维度上使用大小为 2 的池化窗口。
• strides：整数或整数元组，表示池化窗口在每个维度上的步长。如果为整数，则在每个维度上使用相同的步长。例如，strides=2 表示在每个维度上使用步长为 2 的池化窗口。默认值为 None，此时步长与池化窗口大小相同。
• padding：字符串，表示填充方式。可选值为 "valid"（不填充）和 "same"（填充）。默认值为 "valid"。
• data_format：字符串，表示输入数据的格式。可选值为 "channels_first"（通道优先）和 "channels_last"（通道最后一个）。默认值为 None，此时根据 TensorFlow 的版本自动选择数据格式。
• name：字符串，表示该层的名称。默认值为 None。

示例

#创建一维数组x
x = np.array([1., 2., 3., 4., 5.])

#使用reshape函数将x重塑为形状为[1, 5, 1]
x = np.reshape(x, [1, 5, 1])

#创建一个一维最大池化层max_pool_1d
#设置池化窗口大小为2，步长为1，填充方式为"valid"
max_pool_1d = keras.layers.MaxPooling1D(pool_size=2,strides=1, padding="valid")

#将重塑后的数组x输入到最大池化层max_pool_1d中
max_pool_1d(x) 

 2、MaxPooling2D layer

二维最大池化层

keras.layers.MaxPooling2D(
    pool_size=(2, 2), strides=None, padding="valid", data_format=None, name=None, **kwargs
)

参数说明 

• pool_size: 一个元组，表示池化窗口的大小。例如，(2, 2) 表示在每个维度上使用大小为 2x2 的池化窗口。默认值为 (2, 2)。
• strides: 一个元组，表示池化窗口在每个维度上的步长。如果为 None，则默认步长与池化窗口大小相同。默认值为 None。
• padding: 一个字符串，表示填充方式。可选值为 "valid"（不填充）和 "same"（填充）。默认值为 "valid"。
• data_format: 一个字符串，表示输入数据的数据格式。可选值为 "channels_first" 和 "channels_last"。默认值为 None，表示根据 Keras 的配置自动选择数据格式。
• name: 一个字符串，表示该层的名称。默认值为 None。

示例

# 创建一个3x3的二维数组x
x = np.array([[1., 2., 3.],
              [4., 5., 6.],
              [7., 8., 9.]])

# 将x重塑为一个四维张量，形状为[1, 3, 3, 1]
x = np.reshape(x, [1, 3, 3, 1])

# 创建一个MaxPooling2D层，池化窗口大小为(2, 2)，步长为(1, 1)，填充方式为"valid"
max_pool_2d = MaxPooling2D(pool_size=(2, 2), strides=(1, 1), padding="valid")

# 对输入数据x应用最大池化操作
output = max_pool_2d(x)

3、MaxPooling3D layer

三维最大池化层

keras.layers.MaxPooling3D(
    pool_size=(2, 2, 2),
    strides=None,
    padding="valid",
    data_format=None,
    name=None,
    **kwargs
)

参数说明

• pool_size: 一个三元组，表示在每个维度上的最大池化窗口的大小。例如，(2, 2, 2)表示在每个维度上使用大小为2x2x2的窗口进行最大池化。
• strides: 一个可选参数，表示在每个维度上的步长。默认情况下，步长与池化窗口大小相同。如果设置为None，则步长将自动计算为池化窗口大小的整数倍。
• padding: 一个可选参数，表示填充方式。默认值为"valid"，表示不进行填充。其他可选值包括"same"，表示在输入数据的边缘添加填充以保持输出尺寸与输入尺寸相同。
• data_format: 一个可选参数，表示输入数据的格式。默认情况下，根据Keras的配置自动选择数据格式。可选值为"channels_first"和"channels_last"，分别表示通道维度在前或后。
• name: 一个可选参数，表示该层的名称。这可以用于在模型中引用该层。

示例

# 创建一个随机的3D张量作为输入数据
input_data = np.random.rand(1, 6, 6, 6, 3)

# 创建一个Sequential模型
model = keras.layers.Sequential()

# 向模型中添加一个3D最大池化层，池化窗口大小为2x2x2
model.add(keras.layers.MaxPooling3D(pool_size=(2, 2, 2), input_shape=(6, 6, 6, 3)))

# 打印模型结构
model.summary()

# 使用模型对输入数据进行预测
output_data = model.predict(input_data)