TensorFlow：为什么 avg_pool 忽略一个步幅维度？答案

【问题标题】：TensorFlow: Why does avg_pool ignore one stride dimension?TensorFlow：为什么 avg_pool 忽略一个步幅维度？
【发布时间】：2018-05-05 12:16:25
【问题描述】：

我试图跨越通道维度，以下代码表现出令人惊讶的行为。我的期望是tf.nn.max_pool 和tf.nn.avg_pool 在输入完全相同的参数时应该产生相同形状的张量。事实并非如此。

import tensorflow as tf

x = tf.get_variable('x', shape=(100, 32, 32, 64),
        initializer=tf.constant_initializer(5), dtype=tf.float32)
ksize = (1, 2, 2, 2)
strides = (1, 2, 2, 2)
max_pool = tf.nn.max_pool(x, ksize, strides, padding='SAME')
avg_pool = tf.nn.avg_pool(x, ksize, strides, padding='SAME')
print(max_pool.shape)
print(avg_pool.shape)

打印出来

$ python ex04/mini.py 
(100, 16, 16, 32)
(100, 16, 16, 64)

显然，我误解了一些东西。

【问题讨论】：

我认为这是一个错误。如果您在 GitHub 上打开问题，请在此处链接，因为我想观看对话，谢谢
这似乎是一个错误。或者，您可以使用 slim，它的性能很好。
@DenizBeker 你说的 slim 是什么意思？
@oarfish 您可以从这里查看详细信息。 github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/…

标签： python-3.x tensorflow deep-learning max-pooling

【解决方案1】：

事实证明这确实是一个错误。 https://github.com/tensorflow/tensorflow/issues/14886#issuecomment-352934112

【讨论】：

【解决方案2】：

链接https://github.com/Hvass-Labs/TensorFlow-Tutorials/issues/19 指出：

第一个和最后一个步幅必须始终为 1，因为第一个是图像编号和最后一个用于输入通道。

【讨论】：

显然，must 被夸大了，因为它只是默默地运行而不是出错。看来我必须提交错误报告。