TensorFlow最大池化

这是一个最大池化的例子max pooling 用了 2x2 的滤波器 stride 为 2。四个 2x2 的颜色代表滤波器移动每个步长所产出的最大值。

例如 [[1, 0], [4, 6]] 生成 6，因为 6 是这4个数字中最大的。同理 [[2, 3], [6, 8]] 生成 8。 理论上，最大池化操作的好处是减小输入大小，使得神经网络能够专注于最重要的元素。最大池化只取覆盖区域中的最大值，其它的值都丢弃。

TensorFlow 提供了 tf.nn.max_pool() 函数，用于对卷积层实现 最大池化 。

1 conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding='SAME')
2 conv_layer = tf.nn.bias_add(conv_layer, bias)
3 conv_layer = tf.nn.relu(conv_layer)
4 # Apply Max Pooling
5 conv_layer = tf.nn.max_pool(
6     conv_layer,
7     ksize=[1, 2, 2, 1],
8     strides=[1, 2, 2, 1],
9     padding='SAME')

tf.nn.max_pool() 函数实现最大池化时， ksize参数是滤波器大小，strides参数是步长。2x2 的滤波器配合 2x2 的步长是常用设定。

ksize 和 strides 参数也被构建为四个元素的列表，每个元素对应 input tensor 的一个维度 ([batch, height, width, channels])，对 ksize 和 strides 来说，batch 和 channel 通常都设置成 1。

strides [1, 2, 2, 1] 参数：

• strides[0] = 1，也即在 batch 维度上的移动为 1，也就是不跳过任何一个样本，否则当初也不该把它们作为输入（input）
• strides[1] = 2，水平移动的步长
• strides[2] = 2，垂直移动的步长
• strides[3] = 1，也即在 channels 维度上的移动为 1，也就是不跳过任何一个颜色通道；

一般情况下，需要可能需要更改的就是中间的两个变量。