tensorflow::ops::FractionalAvgPool

Effectue un regroupement par moyenne fractionnaire sur les données d'entrée.

Résumé

Le regroupement moyen fractionnaire est similaire au regroupement maximal fractionnaire lors de l'étape de génération des régions de regroupement. La seule différence réside dans le fait qu'après la génération des régions de regroupement, une opération de moyenne est effectuée au lieu d'une opération de maximum dans chaque région.

Arguments :

• portée : un objet Scope
• valeur : 4-D avec forme [batch, height, width, channels] .
• pooling_ratio : Ratio de mise en commun pour chaque dimension de value . Actuellement, seules les dimensions « row » et « col » sont prises en charge et doivent être supérieures ou égales à 1,0. Par exemple, un ratio de mise en commun valide est [1,0 ; 1,44 ; 1,73 ; 1,0]. Le premier et le dernier élément doivent être égaux à 1,0 car la mise en commun n'est pas autorisée sur les dimensions « batch » et « channels ». 1,44 et 1,73 correspondent aux ratios de mise en commun sur les dimensions « height » et « width », respectivement.

Attributs optionnels (voir Attrs ) :

• pseudo_random : Si la valeur est True, la séquence de pooling est générée de manière pseudo-aléatoire ; sinon, elle est aléatoire. Consultez l’article de Benjamin Graham, « Fractional Max-Pooling », pour comprendre la différence entre pseudo-aléatoire et aléatoire.
• chevauchement : si la valeur est « Vrai », cela signifie que lors du regroupement, les valeurs à la limite des cellules de regroupement adjacentes sont utilisées par les deux cellules. Par exemple :

index 0 1 2 3 4

value 20 5 16 3 7

Si la séquence de regroupement est [0, 2, 4], alors 16, à l'indice 2, sera utilisé deux fois. Le résultat serait [41/3, 26/3] pour le regroupement à moyenne fractionnaire.

• déterministe : si la valeur est True, une région de pooling fixe sera utilisée lors de l’itération sur un nœud FractionalAvgPool dans le graphe de calcul. Principalement utilisé dans les tests unitaires pour rendre FractionalAvgPool déterministe.
• Graine initiale : si l’une des valeurs de graine initiale ou de graine2 est différente de zéro, le générateur de nombres aléatoires est initialisé avec la graine fournie. Sinon, il est initialisé avec une graine aléatoire.
• seed2 : Une deuxième graine pour éviter les collisions entre les graines.

Retours :

• Output : tenseur de sortie après regroupement moyen fractionnaire.
• Output row_pooling_sequence : séquence de regroupement des lignes, nécessaire au calcul du gradient.
• Output col_pooling_sequence : séquence de regroupement des colonnes, nécessaire au calcul du gradient.

attributs publics

::tensorflow::Output col_pooling_sequence

Operation operation

::tensorflow::Output output

::tensorflow::Output row_pooling_sequence

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

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

Attrs Deterministic(
  bool x
)

Attrs Overlapping(
  bool x
)

Attrs PseudoRandom(
  bool x
)

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)