您现在的位置是:门户> 编程语言> Python

浅谈tensorflow1.0 池化层(pooling)和全连接层(dense)
2021-02-27 34人围观 0条评论
简介本篇文章主要介绍了浅谈tensorflow1.0 池化层(pooling)和全连接层(dense),小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧

    池化层定义在tensorflow/python/layers/pooling.py.

    有最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: 进行池化的数据。
    2. pool_size: 池化的核大小(pool_height, pool_width),如[3,3]. 如果长宽相等,也可以直接设置为一个数,如pool_size=3.
    3. strides: 池化的滑动步长。可以设置为[1,1]这样的两个整数. 也可以直接设置为一个数,如strides=2
    4. padding: 边缘填充,'same' 和'valid‘选其一。默认为valid
    5. data_format: 输入数据格式,默认为channels_last ,即 (batch, height, width, channels),也可以设置为channels_first 对应 (batch, channels, height, width).
    6. name: 层的名字。

    例:

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

    一般是放在卷积层之后,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
    )

    参数和前面的最大值池化一样。

    全连接dense层定义在 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: 输入数据,2维tensor.
    2. units: 该层的神经单元结点数。
    3. activation: 激活函数.
    4. use_bias: Boolean型,是否使用偏置项.
    5. kernel_initializer: 卷积核的初始化器.
    6. bias_initializer: 偏置项的初始化器,默认初始化为0.
    7. kernel_regularizer: 卷积核化的正则化,可选.
    8. bias_regularizer: 偏置项的正则化,可选.
    9. activity_regularizer: 输出的正则化函数.
    10. trainable: Boolean型,表明该层的参数是否参与训练。如果为真则变量加入到图集合中 GraphKeys.TRAINABLE_VARIABLES (see tf.Variable).
    11. name: 层的名字.
    12. reuse: Boolean型, 是否重复使用参数.

    全连接层执行操作 outputs = activation(inputs.kernel + bias)

    如果执行结果不想进行激活操作,则设置activation=None。

    例:

    #全连接层
    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)
    
    

    也可以对全连接层的参数进行正则化约束:

    复制代码 代码如下:
    dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu,kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003))

    以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

分享:

文章评论

    • wxpython 学习笔记 第一天
    • python文本数据处理学习笔记详解