tf.nn.conv2d与strides = 2和tf.nn.max_pool与2x2池之间的区别是什么？

Question

如上所述，两者

  

tf.nn.conv2d，strides = 2

和

  

tf.nn.max_pool with 2x2 pooling

可以将输入的大小减少到一半，我知道输出可能会有所不同，但我不知道的是，影响最终的训练结果与否，任何关于此的线索，谢谢。

Answer 1

在两个示例中，我们假设我们有一个[height, width]内核应用了strides [2,2]。这意味着我们将内核应用于2-D输入上的大小为[height, width]的2-D窗口以获得输出值，然后向上或向下滑动窗口2以获得下一个输出值。

在这两种情况下，假设padding='SAME'

，最终输出的输出比输入少4倍（每个维度减少2倍）

不同之处在于如何为每个窗口计算输出值：

<强> conv2d

• 输出是输入值的线性组合乘以[height, width]内核中每个单元格的权重
• 这些权重在您的模型中成为可训练的参数

<强> max_pool

• 输出只是在输入值的[height, width]窗口中选择最大输入值
• 此操作没有引入重量且没有可训练参数

Answer 2

最终训练的结果可能实际上是不同的，因为卷积将张量乘以滤波器，您可能不想这样做，因为它占用了额外的计算时间，并且还可以过度拟合模型，因为它将具有更多权重。