2d Pooling。MaxPooling2d或AveragePooling2d只改变计算方法,不改变模型结构,所以都是用这个API。
构造器
基于 TensorSpace 模型 是否在初始化之前载入了预训练的模型,有不同的配置方法。查看 网络层配置 文档了解网络层配置基本规则。
〔情况一〕如果 TensorSpace 模型在初始化之前已经载入了预训练的模型,那么不需要在 Layer 中配置 网络模型相关系数。
TSP.layers.Pooling2d();
〔情况二〕如果 TensorSpace 模型在初始化之前未载入预训练的模型,那么需要配置必要的网络模型相关系数。
两种方法构造一个新建一个层,输入参数都是必要的。
[方法一] 使用 poolSize 和 strides 参数进行构造
TSP.layers.Pooling2d( { poolSize : Int , strides: Int } );
[方法二] 使用 shape 参数进行构造
TSP.layers.Pooling2d( { shape : [ Int, Int, Int ] } );
图1 - Pooling2d层示意图(左:收缩 | 右:展开)
参数列表
参数名 标签 |
类型 |
简介 |
具体用法细节和例子 |
---|---|---|---|
poolSize |
Int[] | 池化框的尺寸 | 例如,poolSize = [ 2, 3 ]表示宽为2,高为3 |
strides |
Int[] | 池化框的移动步长 | 例如,strides = [ 1, 2 ],横向步长1,纵向步长2 |
name |
String | 层的命名 | name: “layerName” 在顺序模型中,建议添加,以便从模型中获取层对象 在函数式模型中,必须给每个层添加 name 属性,且添加的名称 name 的值需要和预训练网络中对应层的名称相同 |
padding |
String | Padding模式, 网络模型相关系数 |
valid [默认值] 不使用padding,丢弃无法提取特征的部分,会改变输出的形状 same: 使用padding,在不够的位置补零 ,输出的形状不变 |
shape |
Int[] | 当前层的输出形状, 网络模型相关系数 |
例如,shape: [ 28, 28, 6 ] 则表示输出为6个特征图,每幅图大小28*28,dataFormat默认通道值在最后 |
color |
Color Format | 层的颜色 | Pooling2d默认颜色是青色 #00ffff |
closeButton |
Dict | 层关闭按钮外观控制列表, 查看详情 | display: Bool. true [默认值] 显示按钮, false 隐藏按钮 ratio: Int 为正常大小的几倍,默认为1倍,例如,当ratio设为2时,关闭按钮为正常大小的2倍大 |
initStatus |
String | 本层初始化状态,查看详情 | close[默认值] : 收缩 open:展开 |
animeTime |
Int | 张开和伸缩的速度 | 例如2000就是2秒,如果在layer中配置animeTime属性将会覆盖model中的animeTime。 |
属性
.inputShape : Int[]
filter_center_focus本层输入Tensor的形状,dataFormat默认通道值在最后,例如inputShape = [ 28, 28, 3 ] 表示输入为3个特征图,每个图大小为28*28
filter_center_focus在 model.init() 后才可拿到数据,否则为undefined。
.outputShape : Int[]
filter_center_focus本层输出Tensor的形状为3维 3️⃣
filter_center_focusdataFormat默认通道值在最后,例如outputShape = [
14, 14, 3 ] 表示经过此层处理后,有3个特征图,每个图大小为14*14
filter_center_focus在 model.init() 后才可拿到数据,否则为undefined。
.neuralValue : Float[]
filter_center_focus本层层间输出值数组。
filter_center_focus载入模型,在 model.predict()
后才可以拿到数据,否则为undefined。
.name : String
filter_center_focus本层的自定义名称。
filter_center_focus创建后即可取到。
.layerType : String
filter_center_focus本层的类型,返回一个定值,字符串Pooling2d。
filter_center_focus创建后即可取到。
方法
.apply( previous_layer ) : void
filter_center_focus将此层连接到 previous_layer
上,previous_layer 即此层的上一层。
filter_center_focus此方法可用于构建 函数模型 图结构。
filter_center_focus详情参见 构建图结构。
.openLayer() : void
filter_center_focus展开 Layer,如果 Layer 已经处于 “open”
状态,Layer 将会保持 “open” 状态。
filter_center_focus详情参见 网络层状态。
.closeLayer() : void
filter_center_focus闭合 Layer,如果 Layer 已经处于 “close”
状态,Layer 将会保持 “close” 状态。
filter_center_focus详情参见 网络层状态。
使用样例
filter_center_focus 如果 TensorSpace
模型在初始化之前已经载入了预训练的模型,那么不需要在 Layer 中配置网络模型相关系数。
let poolingLayer = new TSP.layers.Pooling2d( {
// 建议配置,当使用 TensorSpace 函数模型时,为必要配置。
name: "pooling2d1",
// 可选配置。
animeTime: 4000,
initStatus: "open"
} );
filter_center_focus 如果 TensorSpace
模型在初始化之前未载入预训练的模型,那么需要配置必要的网络模型相关系数。
let poolingLayer = new TSP.layers.Pooling2d( {
// 必要网络模型相关系数配置。
poolingSize: [ 2, 3 ],
strides: [ 2, 2 ],
// 建议配置,当使用 TensorSpace 函数模型时,为必要配置。
name: "pooling2d2",
// 可选配置。
animeTime: 4000,
initStatus: "open"
} );
什么时候用
如果你熟悉Keras | TensorFlow | tfjs 框架,构建模型时使用了池化层Pooling2d(下表列出了可能的使用情景)。一一对应的,在TensorSpace中,使用本API。
框架名称 | 对应框架中新建对象代码段 |
---|---|
Keras | keras.layers.MaxPooling2D(pool_size=(2,2)) |
TensorFlow | tf.layers.max_pooling2d( inputs, pool_size, strides) |
TensorFlow.js | tf.layers.maxPooling2d (config) |
源码