Question

我想在conv1d中实现平均池化。但是tf.nn.avg_pool函数只能在4维张量上实现。那我该怎么做才能克服这个问题呢？

def avg_pool(conv_out):
    return tf.nn.avg_pool(conv_out,ksize=[1,1,2,1],strides=[1,1,2,1],padding='SAME')

i = tf.constant([1, 0, 2, 3, 0, 1], dtype=tf.float32)

data   = tf.reshape(i, [1, int(i.shape[0]), 1], name='data')

kernel = tf.Variable(tf.random_normal([2,1,1]))

conv_out = tf.nn.conv1d(data, kernel, 2, 'VALID')
pool_out = avg_pool(conv_out)

Answer 1

一种选择是向数据添加其他维度，然后将其删除：

def avg_pool(conv_out):
    conv_out_2d = conv_out[:, tf.newaxis]
    pool_out_2d = tf.nn.avg_pool(conv_out_2d,
                                 ksize=[1, 1, 2, 1],
                                 strides=[1, 1, 2, 1],
                                 padding='SAME')
    pool_out = pool_out_2d[:, 0]
    return pool_out

另一种可能性是使用通用的tf.nn.pool：

def avg_pool(conv_out):
    return tf.nn.pool(conv_out, window_shape=[2], pooling_type='AVG', padding='SAME')

请注意，在这种情况下，我不包括跨度，因为默认值与您在示例中使用的相匹配，但是您也可以根据需要对其进行修改。

在张量流中使用Conv1d时如何实现平均池化？

1 个答案: