如何在张量流中实现类似keras的子样本？

Question

subsample在keras的这个函数中做了什么？

Convolution2D(nb_filter, nb_row, nb_col,
         subsample=subsample,
         activation=activation,
         border_mode=border_mode,
         W_regularizer=W_regularizer,
         b_regularizer=b_regularizer,
         dim_ordering=dim_ordering)(x)

如何在subsample中实现此tensorflow？

Answer 1

Keras中的

子采样与tensorflow中的步幅相同。您可以使用tensorflow tf.nn.conv2d（）函数中的strides参数来实现它。

子样本/步幅告诉您在执行卷积时在每个维度中移动过滤器的数量。例如，如果每个方向的步幅为1，则每个卷积将滤波器移动一个，并产生与输入相同大小的输出（边界填充效果除外）。如果将步幅设置为2，则结果的尺寸将是原始图像的一半。

Answer 2

有不同的方法进行子采样。你可以做平均合并，你可以采用补丁的平均值，或者最大池，后者更受欢迎。使用tf.nn.avg_pool（）或tf.nn.max_pool（），可以找到这些函数的文档here