*pool2D 和 *pooling2D 之间的 TensorFlow 差异

Question

我正在学习这个TensorFlow-2.x-Tutorials，它使用layers.MaxPooling2D。自动补全也提示layers.MaxPool2D，所以我搜索它们之间的区别。

参考这个api_docs，我发现他们的全名tf.compat.v1.layers.MaxPooling2D和tf.keras.layers.MaxPool2D，它们的论点几乎相同，我可以考虑layers.MaxPooling2D = layers.MaxPool2D，但前者是tf1.x，后者是到tf2.x？

还有，我还发现tf.keras.layers.GlobalMaxPool1D(Global max pooling operation for 1D temporal data)和tf.keras.layers.GlobalAveragePooling1D(Global average pooling operation for temporal data)，这两个参数完全一样，为什么是function的语法名字不一样？

Answer 1

我只回答你的第二个问题，因为有人找到了你的第一个问题的重复项。

MaxPooling2D 从二维数组中获取最大值。以这个输入为例：

import tensorflow as tf

x = tf.random.uniform(minval=0, maxval=10, dtype=tf.int32, shape=(3, 3, 3), seed=42)

<tf.Tensor: shape=(3, 3, 3), dtype=int32, numpy=
array([[[2, 4, 3],
        [9, 1, 8],
        [8, 3, 5]],
       [[6, 6, 9],
        [9, 6, 1],
        [7, 5, 2]],
       [[2, 0, 8],
        [1, 6, 1],
        [2, 3, 9]]])>

MaxPooling2D 将取所有这三个元素的平均值：

gmp = tf.keras.layers.GlobalMaxPooling2D()

gmp(x[..., None])

<tf.Tensor: shape=(3, 1), dtype=int32, numpy=
array([[9],
       [9],
       [9]])>

每个元素都有一个 9，因此该操作对所有三个元素都返回一个 9。对于GlobalAveragePooling2D，它是完全相同的，但需要平均。

gap = tf.keras.layers.GlobalAveragePooling2D()

gap(x[..., None])

<tf.Tensor: shape=(3, 1), dtype=int32, numpy=
array([[3],
       [6],
       [5]])>