了解 TensorFlow 最大池化

Question

我无法理解为什么使用我的参数进行 tensorflow maxpooling。

当使用 ksize=2 和 strides=2 执行 maxpool 时，我会同时使用 padding SAME 和 padding VALID 得到以下输出

input :  (?, 28, 28, 1)
conv2d_out :  (?, 28, 28, 32)
maxpool2d_out :  (?, 14, 14, 32)

但是当我尝试使用 ksize=3 和 strides=1 执行 maxpool 时，我得到以下输出：

input :  (?, 28, 28, 1)
conv2d_out :  (?, 28, 28, 32)
maxpool2d_out :  (?, 28, 28, 32) PADDING SAME
maxpool2d_out :  (?, 26, 26, 32) PADDING VALID

使用ksize=2 和strides=2 的maxpool 使用padding SAME 应该产生输出maxpool2d_out : (?, 28, 28, 32)

关于使用填充的最大池的工作原理，我是否遗漏了什么？

**CODE**==python_

Answer 1

我在您的代码中看到您使用padding=SAME。当使用 SAME 填充和strides=1 时，输入和输出大小相同。为什么你认为 tensorflow 的实现是错误的？

更新： 根据tensorflow documentation：

使用相同的填充

out_height = ceil(float(in_height) / float(strides[1]))
out_width  = ceil(float(in_width) / float(strides[2]))

• 当 k=3 和 stride=1 时是 28/1=28
• 当 k=2 和 stride =2 时是 28/2=14

使用 VALID 填充

out_height = ceil(float(in_height - filter_height + 1) / float(strides[1]))
out_width  = ceil(float(in_width - filter_width + 1) / float(strides[2]))

• 当k=3时是celing((28-3+1)/1)= 26, stride =1

• 当k=2，stride=2时，ceiling((28-2+1)/2)=14

如您所见，由于天花板功能，使用不同的 PADDING 配置，您的结果恰好是相同的

Answer 2

您正在使用padding='SAME'，这意味着您的输出将用零填充，以便具有相同的输入大小。

如果您将padding 更改为VALID，则输出不会用零填充，池化操作将按您的预期工作。