Keras：AveragePooling1D层和GlobalAveragePooling1D层之间的区别

Question

当谈到Keras的平均合并层时，我有点困惑。 The documentation声明以下内容：

  

AveragePooling1D：时间数据的平均池。

     

参数

pool_size: Integer, size of the average pooling windows.
strides: Integer, or None. Factor by which to downscale. E.g. 2 will halve the input. If None, it will default to pool_size.
padding: One of "valid" or "same" (case-insensitive).
data_format: A string, one of channels_last (default) or channels_first. The ordering of the dimensions in the inputs.

     

channels_last对应于具有形状（批处理，步骤，   功能），而channels_first对应于具有形状的输入   （批次，功能，步骤）。

     

输入形状

If data_format='channels_last': 3D tensor with shape: (batch_size, steps, features)
If data_format='channels_first': 3D tensor with shape: (batch_size, features, steps)

     

输出形状

If data_format='channels_last': 3D tensor with shape: (batch_size, downsampled_steps, features)
If data_format='channels_first': 3D tensor with shape: (batch_size, features, downsampled_steps)

和

  

GlobalAveragePooling1D：时间数据的全局平均池化操作。

     

参数

data_format: A string, one of channels_last (default) or channels_first. The ordering of the dimensions in the inputs.

     

channels_last对应于具有形状（批处理，步骤，   功能），而channels_first对应于具有形状的输入   （批次，功能，步骤）。

     

输入形状

If data_format='channels_last': 3D tensor with shape: (batch_size, steps, features)
If data_format='channels_first': 3D tensor with shape: (batch_size, features, steps)

     

输出形状

     

具有以下形状的2D张量：（batch_size，特征）

我（认为我）确实得到了平均池化的概念，但是我并不真正理解为什么GlobalAveragePooling1D层只是简单地删除了steps参数。非常感谢您的回答。

Answer 1

GlobalAveragePooling1D与AveragePooling1D与pool_size=steps相同。因此，对于每个功能维，所有时间步均取平均值。因此，输出的形状为(batch_size, 1, features)（如果data_format='channels_last'）。它们只是使第二维（如果是data_format='channels_first'，则变平），这就是使输出形状等于(batch_size, features)的方式。