Question

在以下代码中，我想使用tf.nn.avg_pool来获得与使用tf.reduce_mean时相同的结果。但是如何修复tf.nn.avg_pool的参数以获得相似的结果？

input = tf.Variable(tf.random_normal([2,16,16,200]))
filter= tf.Variable(tf.random_normal([16,16,200,1]))
def depth_conv2d(input):
    return tf.nn.depthwise_conv2d(input,filter, strides=[1,4,4,1],padding= 'VALID')

depth_conv_out = depth_conv2d(input)

Relu = tf.nn.relu(depth_conv_out)
avg_pooling = tf.reduce_mean(Relu, reduction_indices=[3], keep_dims=True) 
sess = tf. InteractiveSession()
sess.run(tf.initialize_all_variables())

print("convolution result")
print (depth_conv_out.get_shape())
print ("Relu result")
print (Relu.eval())
print(Relu.get_shape())
print ("Average pooling")
print (avg_pooling.get_shape())

Answer 1

虽然tf.nn.avg_pool上的文档未明确说明它是否支持按批或渠道维度进行池化，但tf.nn.pool上的文档（如果{{1}设置为tf.nn.avg_pool）明确指出：

pooling_type：如果data_format不以“ NC”开头（默认值），则为'AVG'的N + 2阶张量，如果data_format以“ NC”开头则为input。合并只会发生在整个空间维度上。

但是，您可以将形状为[batch_size] + input_spatial_shape + [num_channels]的张量转换为[batch_size, num_channels] + input_spatial_shape，执行平均池化，然后将其转换回原始格式，如下例所示：

[batch_size, height, width, num_channels]

如何使用tf.nn.avg_pool获得与tf.reduce_mean相同的结果

1 个答案: