使用tf.reduce_mean替代全局池？

Question

output = tf.reduce_mean(net, [1, 2], name='global_pool', keep_dims=False) 

net的形状（batch_size，高度，宽度，＃channels）

还有其他方法可以进行全局池化并获得相同的结果吗？

Answer 1

我有一个计算非常复杂的方法，但是它可以工作：

1. 使用tf.split(..., axis=-1)
2. 对每个分割执行tf.layers.average_pooling2d，并选择内核大小=张量大小

第二个选项是： tf.keras.layers.GlobalAveragePooling2D，但我建议在幕后使用tf.reduce_mean，但要仔细看源代码。