tensorflow :: ops :: FractionalMaxPool

Wykonuje ułamkowe maksymalne pule na wejściu.

streszczenie

Ułamkowa pula maksymalna różni się nieco od zwykłej puli maksymalnej. W zwykłym łączeniu maksymalnym zmniejszasz zbiór wejściowy, biorąc maksymalną wartość mniejszych N x N podsekcji zestawu (często 2x2) i próbujesz zmniejszyć zbiór o współczynnik N, gdzie N jest liczbą całkowitą. Maksymalne pule ułamkowe, jak można się spodziewać po słowie „ułamkowy”, oznaczają, że ogólny współczynnik redukcji N nie musi być liczbą całkowitą.

Rozmiary regionów puli są generowane losowo, ale są dość jednolite. Na przykład spójrzmy na wymiar wysokości i ograniczenia na liście wierszy, które będą granicami puli.

Najpierw definiujemy:

1. input_row_length: liczba wierszy z zestawu wejściowego
2. output_row_length: która będzie mniejsza niż wartość wejściowa
3. alpha = input_row_length / output_row_length: nasz współczynnik redukcji
4. K = podłoga (alfa)
5. row_pooling_sequence: jest to lista wyników wierszy granic puli

Wtedy row_pooling_sequence powinno spełniać:

1. a [0] = 0: pierwsza wartość sekwencji to 0
2. a [koniec] = długość_wejścia_wejściowego: ostatnią wartością sekwencji jest rozmiar
3. K <= (a [i + 1] - a [i]) <= K + 1: wszystkie przedziały mają rozmiar K lub K + 1
4. length (row_pooling_sequence) = output_row_length + 1

Aby uzyskać więcej informacji na temat ułamkowego maksymalnego puli, zobacz ten artykuł: Benjamin Graham, Fractional Max-Pooling

Argumenty:

• zakres: obiekt Scope
• wartość: 4-D z kształtem [batch, height, width, channels] .
• pooling_ratio: współczynnik puli dla każdego wymiaru value , obecnie obsługuje tylko wymiar wiersza i kolumny i powinien wynosić> = 1,0. Na przykład prawidłowy współczynnik puli wygląda następująco: [1,0, 1,44, 1,73, 1,0]. Pierwszy i ostatni element musi mieć wartość 1.0, ponieważ nie zezwalamy na łączenie według wymiarów partii i kanałów. 1,44 i 1,73 to stosunek puli do wymiarów wysokości i szerokości.

Atrybuty opcjonalne (patrz Attrs ):

• pseudo_random: Po ustawieniu na True generuje sekwencję puli w sposób pseudolosowy, w przeciwnym razie w sposób losowy. Sprawdź artykuł Benjamin Graham, Fractional Max-Pooling, aby zobaczyć różnicę między pseudolosowymi i losowymi.
• nakładanie się: ustawienie Prawda oznacza, że ​​podczas łączenia wartości na granicy sąsiednich komórek puli są używane przez obie komórki. Na przykład:

index 0 1 2 3 4

value 20 5 16 3 7

Jeśli sekwencja puli to [0, 2, 4], to 16 o indeksie 2 zostanie użyte dwukrotnie. Wynik wyniósłby [20, 16] dla ułamkowego maksymalnego puli.

• deterministic: w przypadku ustawienia wartości True podczas iteracji po węźle FractionalMaxPool na wykresie obliczeniowym będzie używany stały region puli. Używany głównie w teście jednostkowym, aby uczynić FractionalMaxPool deterministycznym.
• seed: Jeśli seed lub seed2 są ustawione na wartość niezerową, generator liczb losowych jest inicjowany przez dane ziarno. W przeciwnym razie jest wysiewany przez losowe ziarno.
• seed2: drugie ziarno, aby uniknąć kolizji nasion.

Zwroty:

• Output wyjściowe: wyjściowy tensor po ułamkowym maksymalnym pulowaniu.
• Output row_pooling_sequence: sekwencja łączenia wierszy potrzebna do obliczenia gradientu.
• Output col_pooling_sequence: sekwencja puli kolumn, potrzebna do obliczenia gradientu.

Atrybuty publiczne

::tensorflow::Output col_pooling_sequence

Operation operation

::tensorflow::Output output

::tensorflow::Output row_pooling_sequence

 FractionalMaxPool(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input value,
  const gtl::ArraySlice< float > & pooling_ratio
)

 FractionalMaxPool(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input value,
  const gtl::ArraySlice< float > & pooling_ratio,
  const FractionalMaxPool::Attrs & attrs
)

Attrs Deterministic(
  bool x
)

Attrs Overlapping(
  bool x
)

Attrs PseudoRandom(
  bool x
)

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)