Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tf.nn.fractional_avg_pool

TensorFlow 1 versi Lihat sumber di GitHub

Melakukan pecahan rata pooling pada input.

Pecahan pooling rata-rata mirip dengan pecahan max pooling pada langkah penyatuan generasi wilayah. Satu-satunya perbedaan adalah bahwa setelah daerah penyatuan dihasilkan, operasi rata-rata dilakukan bukan operasi max di masing-masing daerah pooling.

value Sebuah Tensor . 4-D dengan bentuk [batch, height, width, channels] .
pooling_ratio Daftar floats yang memiliki panjang> = 4. rasio Pooling untuk setiap dimensi dari value , saat ini hanya mendukung baris dan col dimensi dan harus> = 1.0. Sebagai contoh, rasio pooling valid terlihat seperti [1.0, 1,44, 1,73, 1,0]. Elemen pertama dan terakhir harus 1,0 karena kita tidak mengizinkan penyatuan pada batch dan saluran dimensi. 1,44 dan 1,73 yang pooling rasio pada tinggi dan lebar dimensi masing-masing.
pseudo_random Opsional bool . Default untuk False . Bila diatur ke True , menghasilkan urutan penyatuan secara pseudorandom, jika tidak, secara acak. Periksa kertas (Graham, 2015) untuk perbedaan antara pseudorandom dan acak.
overlapping Opsional bool . Default untuk False . Ketika set untuk True , itu berarti ketika pooling, nilai-nilai pada batas sel pooling yang berdekatan yang digunakan oleh kedua sel. Sebagai contoh: index 0 1 2 3 4 value 20 5 16 3 7 Jika urutan pooling adalah [0, 2, 4], kemudian 16, pada indeks 2 akan digunakan dua kali. Hasilnya akan menjadi [20, 16] untuk pecahan avg pooling.
seed Opsional int . Default ke 0 . Jika set untuk menjadi non-nol, nomor acak generator diunggulkan oleh benih yang diberikan. Jika tidak diunggulkan oleh benih acak.
name Sebuah nama untuk operasi (opsional).

Sebuah tuple dari Tensor objek ( output , row_pooling_sequence , col_pooling_sequence ). Output: Output Tensor setelah pecahan avg pooling. Memiliki jenis yang sama seperti value . row_pooling_sequence: Sebuah Tensor jenis int64 . col_pooling_sequence: Sebuah Tensor jenis int64 .

Referensi:

Pecahan Max-Pooling: Graham, 2015 ( pdf )