深度上的 TensorFlow 平均值答案

【问题标题】：Tensorflow average over depth深度上的 TensorFlow 平均值
【发布时间】：2021-07-04 09:24:33
【问题描述】：

我正在使用向量序列作为 TensorFlow 中 NN 的输入数据，我想在输入的深度上执行平均池化。

我尝试使用以下 lambda 层：

depth_pool = keras.layers.Lambda(
    lambda X: tf.nn.avg_pool1d(X,
                             ksize=(1, 1, 3),
                             strides=(1, 1, 3),
                             padding="VALID"))

但是，我收到错误消息：

UnimplementedError：尚不支持非空间池化。

有没有办法达到预期的效果？

非常感谢您的帮助

【问题讨论】：

标签： python tensorflow machine-learning keras neural-network

【解决方案1】：

如果您的输入具有以下维度：(None, timestamps, features)，您可以简单地用其他维度置换深度，应用标准池化，然后置换回原始维度。

举个例子...如果您的网络接受输入白色形状(None, 20, 99)，您可以简单地执行以下操作来获得深度池：

inp = Input((20,99))
depth_pool = Permute((2,1))(inp)
depth_pool = AveragePooling1D(3)(depth_pool)
depth_pool = Permute((2,1))(depth_pool)

m = Model(inp, depth_pool)
m.summary()

总结：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_4 (InputLayer)         [(None, 20, 99)]          0         
_________________________________________________________________
permute_4 (Permute)          (None, 99, 20)            0         
_________________________________________________________________
average_pooling1d_3 (Average (None, 33, 20)            0         
_________________________________________________________________
permute_5 (Permute)          (None, 20, 33)            0         
=================================================================

输出的形状为(None, 20, 33)

如果您的输入具有以下维度：(None, features, timestamps)，您只需在图层中设置 data_format='channels_first'

inp = Input((20,99))
depth_pool = AveragePooling1D(3, data_format='channels_first')(inp)

m = Model(inp, depth_pool)
m.summary()

总结：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_9 (InputLayer)         [(None, 20, 99)]          0         
_________________________________________________________________
average_pooling1d_7 (Average (None, 20, 33)            0         
=================================================================

输出的形状为(None, 20, 33)

【讨论】：