python - 为什么tensorflow的max_pooling2d需要rank 4的输入？

Question

我有形状为[batch_size, x, y]的数据，我想将其通过最大池化层以池化x和y平面中的2D部分，从而得到一个2D矩阵batch_size 中每个元素的最大值向量。但是tensorflow的layers.max_pooling2d要求输入有4个维度。解决这个问题的唯一方法是将每个示例的维度扩展为具有“虚拟”第四维度吗？因为这样做会导致我的模型稍后出现问题。

Answer 1

最大池化层旨在与二维图像一起使用，但具有一定数量的 channel 。这就是为什么the documentation表示输入形状为“如果 data_format 为 NHWC，则输入形状为[batch_size, height, width,channels]；如果 data_format 为 NCHW，则输入形状为 [batch_size,channels, height, width]”。

典型 3 channel 图像中的 channel 是红色、蓝色和绿色分量，或者是 4 channel 图像中的红色、绿色、蓝色和 Alpha。在这种情况下，您可能应该扩展维度并使用单个 channel (如果您打算拥有多个 channel ，则重新访问您的数据处理管道)。

显然，最大池化比仅用于图像更通用，但我相信在图像处理中已经对它们进行了大量工作，因此该界面可能是常见用例的产物。

如果您需要在使用最大池化层后删除额外的维度，只需再次 reshape 数据即可。