tensorflow 学习笔记（八）- 池化层（pooling)和全连接层(dense)_dense层

tensorflow 学习笔记（八）- 池化层（pooling)和全连接层(dense)

一、池化层（pooling）

池化层定义在 tensorflow/python/layers/pooling.py.

有最大值池化和均值池化。

1. 最大池化层 tf.layers.max_pooling2d

max_pooling2d(
    inputs,
    pool_size,
    strides,
    padding='valid',
    data_format='channels_last',
    name=None
)
1
2
3
4
5
6
7
8

inputs: 进行池化的数据。
pool_size: 池化的核大小(pool_height, pool_width)，如[3，3]. 如果长宽相等，也可以直接设置为一个数，如pool_size=3.
strides: 池化的滑动步长。可以设置为[1,1]这样的两个整数. 也可以直接设置为一个数，如strides=2
padding: 边缘填充，’same’ 和’valid‘选其一。默认为valid
data_format: 输入数据格式，默认为channels_last ，即 (batch, height, width, channels),也可以设置为channels_first 对应 (batch, channels, height, width).
name: 层的名字。

例如：

pool1=tf.layers.max_pooling2d(inputs=x, pool_size=[2, 2], strides=2)
1

一般是放在卷积层之后，如：

conv=tf.layers.conv2d(
      inputs=x,
      filters=32,
      kernel_size=[5, 5],
      padding="same",
      activation=tf.nn.relu)
pool=tf.layers.max_pooling2d(inputs=conv, pool_size=[2, 2], strides=2)
1
2
3
4
5
6
7

2. 均值池化 tf.layers.average_pooling2d

average_pooling2d(
    inputs,
    pool_size,
    strides,
    padding='valid',
    data_format='channels_last',
    name=None
)
1
2
3
4
5
6
7
8

参数的话和前面一样的，就是实现的时候的名字不同。

二、全连接层（dense）

全连接dense层定义在 tensorflow/python/layers/core.py.

1. 全连接层 tf.layers.dense

dense(
    inputs,
    units,
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    trainable=True,
    name=None,
    reuse=None
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14

inputs: 输入数据，2维tensor.
units: 该层的神经单元结点数。
activation: 激活函数.
use_bias: Boolean型，是否使用偏置项.
kernel_initializer: 卷积核的初始化器.
bias_initializer: 偏置项的初始化器，默认初始化为0.
kernel_regularizer: 卷积核化的正则化，可选.
bias_regularizer: 偏置项的正则化，可选.
activity_regularizer: 输出的正则化函数.
trainable: Boolean型，表明该层的参数是否参与训练。如果为真则变量加入到图集合中 GraphKeys.TRAINABLE_VARIABLES (see tf.Variable).
name: 层的名字.
reuse: Boolean型, 是否重复使用参数.

全连接层执行操作$outputs = activation(inputs.kernel + bias)$如果执行结果不想进行激活操作，则设置$activation=None$

例如：

#全连接层
dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu)
dense2= tf.layers.dense(inputs=dense1, units=512, activation=tf.nn.relu)
logits= tf.layers.dense(inputs=dense2, units=10, activation=None)
1
2
3
4

也可以对全连接层的参数进行正则化约束：

dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu，kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003))
1
2