TensorFlow函數(shù)教程：tf.nn.fractional_avg_pool

tf.nn.fractional_avg_pool函數(shù)

tf.nn.fractional_avg_pool(
    value,
    pooling_ratio,
    pseudo_random=False,
    overlapping=False,
    deterministic=False,
    seed=0,
    seed2=0,
    name=None
)

請(qǐng)參閱指南：神經(jīng)網(wǎng)絡(luò)>池操作

在輸入上執(zhí)行分?jǐn)?shù)平均池化.

分?jǐn)?shù)平均池化類似于池區(qū)域生成步驟中的分?jǐn)?shù)最大池化.唯一的區(qū)別在于,在生成池區(qū)域之后,執(zhí)行平均操作而不是每個(gè)池區(qū)域中的最大操作.

參數(shù)：

• value：一個(gè)Tensor,必須是下列類型之一：float32,float64,int32,int64,是4-D的,shape為[batch, height, width, channels].
• pooling_ratio：floats列表,長(zhǎng)度>=4；value每個(gè)維度的池化比率,目前僅支持行和列維度,應(yīng)該>=1.0.例如,一個(gè)有效的池化比率：[1.0,1.44,1.73,1.0]；第一個(gè)和最后一個(gè)元素必須為1.0,因?yàn)槲覀儾辉试S對(duì)批處理和通道維度進(jìn)行池化.1.44和1.73分別是高度和寬度維度的池化比率.
• pseudo_random：可選的bool,默認(rèn)為False；當(dāng)設(shè)置為True時(shí),以偽隨機(jī)方式生成池序列,否則以隨機(jī)方式生成池序列.查看文章Benjamin Graham,Fractional Max-Pooling以了解偽隨機(jī)和隨機(jī)之間的差異.
• overlapping：可選的bool,默認(rèn)為False；當(dāng)設(shè)置為True時(shí),表示池化時(shí),兩個(gè)單元格都使用相鄰池化單元邊界的值.例如：

  index 0 1 2 3 4
  value 20 5 16 3 7

  如果池序列是[0,2,4],則索引2處的16將使用兩次.對(duì)于分?jǐn)?shù)平均池化,結(jié)果將是[41 / 3,26 / 3].
• deterministic：可選的bool,默認(rèn)為False；當(dāng)設(shè)置為True時(shí),將在計(jì)算圖中的FractionalAvgPool節(jié)點(diǎn)上進(jìn)行迭代時(shí)使用固定池區(qū)域.主要用于單元測(cè)試,使FractionalAvgPool具有確定性.
• seed：可選的int,默認(rèn)為0；如果seed或seed2被設(shè)置為非零,則隨機(jī)數(shù)生成器由給定的seed生成,否則,它由隨機(jī)種子生成.
• seed2：可選的int,默認(rèn)為0；第二個(gè)seed,以避免發(fā)生seed碰撞.
• name：操作的名稱(可選). 
  

返回：

Tensor對(duì)象的元組(output,row_pooling_sequence,col_pooling_sequence).

• output：一個(gè)Tensor,與value有相同的類型.
• row_pooling_sequence：一個(gè)int64類型的Tensor.
• col_pooling_sequence：一個(gè)int64類型的Tensor.