浅谈tensorflow1.0 池化层（pooling)和全连接层(dense)
池化层定义在tensorflow/python/layers/pooling.py.
有最大值池化和均值池化。
1、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：
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.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.
3、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(seetf.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))
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。