tensorflow 学习笔记(八)- 池化层(pooling)和全连接层(dense)
2018-01-16 11:17
411 查看
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 )
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)
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)
2. 均值池化 tf.layers.average_pooling2d
average_pooling2d( inputs, pool_size, strides, padding='valid', data_format='channels_last', name=None )
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 )
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)
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))
相关文章推荐
- tensorflow 1.0 学习:池化层(pooling)和全连接层(dense)
- tensorflow学习:池化层(pooling)和全连接层(dense)
- 浅谈tensorflow1.0 池化层(pooling)和全连接层(dense)
- [TensorFlow 学习笔记-07]池化函数(Pooling Function)
- 深度学习笔记空间金字塔池化阅读笔记Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- Tensorflow学习(4)池化层和全连接层
- 深度学习笔记(一)空间金字塔池化阅读笔记Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- mysql学习笔记(六)--- 多表查询之外键、表连接、子查询、索引
- Tensorflow学习笔记一:getting started with tensorflow
- TensorFlow官方教程学习笔记(二)——MNIST入门
- TensorFlow学习笔记之源码分析(3)---- retrain.py
- Cordova学习笔记 将Cordova项目连接远程服务器
- tensorflow 莫烦视频学习笔记 变量 (二)
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- Tensorflow学习笔记2:About Session, Graph, Operation and Tensor
- jfinal学习笔记【2】-连接数据库-laymi(雷米快速开发平台)
- 学习笔记----字符串的连接
- Tensorflow学习笔记4:分布式Tensorflow
- java连接redis数据库-redis学习笔记(二)
- Tensorflow学习笔记-输入数据处理框架