数组的全局平均池化答案

【问题标题】：Global Average Pooling from Array数组的全局平均池化
【发布时间】：2018-03-03 03:43:19
【问题描述】：

我正在使用 Keras 的 InceptionV3 模型来提取特征。假设我有 1000 张图像，我得到了形状为(1000, 8, 8, 2048) 的最后一层。其中1000 来自数据大小，(8, 8, 2048) 来自最后一个卷积层。如何实现全局平均池化？我期待的形状是(1000, 1, 1, 2048)。

【问题讨论】：

你能发一个最小的代码让我先看看吗？
@Nain 我试图从skimage.measure import block_reduce 导入并执行block_reduce(X_train_feature, (1, 8, 8, 1), np.mean)。结果形状如我所料。我不确定，但我希望这是一个 GAP。

标签： python numpy keras scikit-image keras-layer

【解决方案1】：

>>> import numpy as np
>>> X.shape
    (1000, 8, 8, 2048)
>>> X_gap = np.apply_over_axes(np.mean, X, [1, 2])
>>> X_gap.shape
    (1000, 1, 1, 2048)

【讨论】：

【解决方案2】：

使用GlobalAveragePooling2D 进行平均池化或使用GlobalMaxPooling2D 进行最大池化：

model = Sequential()
model.add(InputLayer(input_shape=(8, 8, 2048)))
model.add(GlobalAveragePooling2D())
model.summary()

它将特征图全局压缩为一个值，因此输出形状为(batch_size, 2048)：

Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 8, 8, 2048)        0         
_________________________________________________________________
global_average_pooling2d_1 ( (None, 2048)              0         
=================================================================

如果您希望专门输出 4 秩张量，只需应用 K.expand_dims 将其扩展为 (batch_size, 1, 1, 2048)。

【讨论】：