tf.nn.max_pool 的 ksize 参数是干什么用的？答案

【问题标题】：What is tf.nn.max_pool's ksize parameter used for?tf.nn.max_pool 的 ksize 参数是干什么用的？
【发布时间】：2016-07-26 23:28:21
【问题描述】：

在tf.nn.max_pool的定义中，ksize是干什么用的？

tf.nn.max_pool(value, ksize, strides, padding, data_format='NHWC', name=None)

Performs the max pooling on the input.

Args:

value: A 4-D Tensor with shape [batch, height, width, channels] and type    tf.float32.
ksize: A list of ints that has length >= 4. The size of the window for each dimension of the input tensor.

例如，如果input value 属于tensor : [1, 64, 64, 3] 和ksize=3。这意味着什么？

【问题讨论】：

在大小为 ksize（内核大小）的区域上取最大值。
根据描述，ksize为输入张量的每个维度捕获窗口的大小。如果批量大小 = 6，ksize=3，这是否意味着对于给定的池化内核，maxmum 将超过 3 个批次？

标签： computer-vision tensorflow

【解决方案1】：

documentation 声明：

ksize：长度 >= 4 的整数列表。输入张量的每个维度的窗口大小。

一般来说，对于 64x64 像素的 RGB 图像，您的输入形状为 [batch_size, 64, 64, 3]。

内核大小ksize 通常为[1, 2, 2, 1]，如果您有一个 2x2 的窗口来获取最大值。在批量大小维度和通道维度上，ksize 是 1，因为我们不想在多个示例或多个通道上取最大值。

【讨论】：