Tensorflow学习（4）池化层和全连接层

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

有最大值池化和均值池化。

tf.layers.max_pooling2d

max_pooling2d(
inputs,
pool_size,
strides,
padding='valid',
data_format='channels_last',
name=None,
)

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，也可以设置一个数，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。默认后者。

data_format：输入数据格式。默认为channels_last。

name：层的名字。

例如：

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

一般是放在卷积层之后，例如：

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)

tf.layers.average_pooling2d

average_pooling2d(
inputs,
pool_size,
strides,
padding='valid',
data_format='channels_last',
name=None
)

参数和前面的最大值池化一样。

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

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
)

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：

#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)

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))