小編給大家分享一下tensorflow1.0池化層和全連接層的示例分析，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

站在用戶(hù)的角度思考問(wèn)題，與客戶(hù)深入溝通，找到臨洮網(wǎng)站設(shè)計(jì)與臨洮網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗(yàn)，讓設(shè)計(jì)與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個(gè)性化、用戶(hù)體驗(yàn)好的作品，建站類(lèi)型包括：成都做網(wǎng)站、網(wǎng)站設(shè)計(jì)、外貿(mào)營(yíng)銷(xiāo)網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣、申請(qǐng)域名、網(wǎng)站空間、企業(yè)郵箱。業(yè)務(wù)覆蓋臨洮地區(qū)。

池化層定義在tensorflow/python/layers/pooling.py.

有大值池化和均值池化。

1、tf.layers.max_pooling2d

max_pooling2d(
  inputs,
  pool_size,
  strides,
  padding='valid',
  data_format='channels_last',
  name=None
)

1. inputs: 進(jìn)行池化的數(shù)據(jù)。

2. pool_size: 池化的核大小(pool_height, pool_width)，如[3，3]. 如果長(zhǎng)寬相等，也可以直接設(shè)置為一個(gè)數(shù)，如pool_size=3.

3. strides: 池化的滑動(dòng)步長(zhǎng)?？梢栽O(shè)置為[1,1]這樣的兩個(gè)整數(shù). 也可以直接設(shè)置為一個(gè)數(shù)，如strides=2

4. padding: 邊緣填充，'same' 和'valid‘選其一。默認(rèn)為valid

5. data_format: 輸入數(shù)據(jù)格式，默認(rèn)為channels_last ，即 (batch, height, width, channels),也可以設(shè)置為channels_first 對(duì)應(yīng) (batch, channels, height, width).

6. name: 層的名字。

例：

pool1=tf.layers.max_pooling2d(inputs=x, pool_size=[2, 2], strides=2)

一般是放在卷積層之后，如：

conv=tf.layers.conv2d(
   inputs=x,
   filters=32,
   kernel_size=[5, 5],
   padding="same",
   activation=tf.nn.relu)
pool=tf.layers.max_pooling2d(inputs=conv, pool_size=[2, 2], strides=2)

2.tf.layers.average_pooling2d

average_pooling2d(
  inputs,
  pool_size,
  strides,
  padding='valid',
  data_format='channels_last',
  name=None
)

參數(shù)和前面的大值池化一樣。

全連接dense層定義在 tensorflow/python/layers/core.py.

3、tf.layers.dense

dense(
  inputs,
  units,
  activation=None,
  use_bias=True,
  kernel_initializer=None,
  bias_initializer=tf.zeros_initializer(),
  kernel_regularizer=None,
  bias_regularizer=None,
  activity_regularizer=None,
  trainable=True,
  name=None,
  reuse=None
)

1. inputs: 輸入數(shù)據(jù)，2維tensor.

2. units: 該層的神經(jīng)單元結(jié)點(diǎn)數(shù)。

3. activation: 激活函數(shù).

4. use_bias: Boolean型，是否使用偏置項(xiàng).

5. kernel_initializer: 卷積核的初始化器.

6. bias_initializer: 偏置項(xiàng)的初始化器，默認(rèn)初始化為0.

7. kernel_regularizer: 卷積核化的正則化，可選.

8. bias_regularizer: 偏置項(xiàng)的正則化，可選.

9. activity_regularizer: 輸出的正則化函數(shù).

10. trainable: Boolean型，表明該層的參數(shù)是否參與訓(xùn)練。如果為真則變量加入到圖集合中 GraphKeys.TRAINABLE_VARIABLES (see tf.Variable).

11. name: 層的名字.

12. reuse: Boolean型, 是否重復(fù)使用參數(shù).

全連接層執(zhí)行操作 outputs = activation(inputs.kernel + bias)

如果執(zhí)行結(jié)果不想進(jìn)行激活操作，則設(shè)置activation=None。

例：

#全連接層
dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu)
dense2= tf.layers.dense(inputs=dense1, units=512, activation=tf.nn.relu)
logits= tf.layers.dense(inputs=dense2, units=10, activation=None)

也可以對(duì)全連接層的參數(shù)進(jìn)行正則化約束：

dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu，kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003))

看完了這篇文章，相信你對(duì)“tensorflow1.0池化層和全連接層的示例分析”有了一定的了解，如果想了解更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！

文章標(biāo)題：tensorflow1.0池化層和全連接層的示例分析-創(chuàng)新互聯(lián)
路徑分享：http://aaarwkj.com/article26/dpgpjg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站制作、外貿(mào)網(wǎng)站建設(shè)、電子商務(wù)、移動(dòng)網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站、網(wǎng)站內(nèi)鏈

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)