TensorFlow函数：tf.layers.MaxPooling1D

tf.layers.MaxPooling1D函数

MaxPooling1D类

定义在：tensorflow/python/layers/pooling.py.

用于1D输入的最大池化层.

参数：

• pool_size：单个整数的整数或元组/列表,表示池化窗口的大小.
• strides：单个整数的整数或元组/列表,指定池操作的步幅.
• padding：一个字符串,填充方法,可以是“valid”或“same”,不区分大小写.
• data_format：一个字符串,可以是一个channels_last(默认)或channels_first,表示输入中维度的顺序；channels_last对应于具有形状(batch, length, channels)的输入,而channels_first对应于具有形状(batch, channels, length)的输入.
• name：字符串,图层的名称.

属性

• activity_regularizer
  

  可选的正则化函数用于该层的输出.

• dtype
• graph
• input
  

  检索图层的输入张量.

  仅适用于图层只有一个输入的情况,即它是否连接到一个输入图层.

  返回：

  输入张量或输入张量列表.

  可能引发的异常：

  • AttributeError：如果图层连接到多个输入图层.
  • RuntimeError：如果在Eager模式下调用.
  • AttributeError：如果未找到入站节点.
• input_shape
  

  检索图层的输入形状.

  仅适用于图层只有一个输入,即它是否连接到一个输入层,或者所有输入具有相同形状的情况.

  返回：

  输入形状,作为整数形状元组(或形状元组列表,每个输入张量一个元组).

  可能引发的异常：

  • AttributeError：如果图层没有定义的input_shape.
  • RuntimeError：如果在Eager模式下调用.
• losses
  

  与此Layer相关的损失.

  请注意,在急切执行时,获取此属性会计算正规则regularizers.使用图形执行时,已经创建了变量正则化运算,并且只是在这里返回.

  返回：

  张量列表.

• name
• non_trainable_variables
• non_trainable_weights
• output
  

  检索图层的输出张量.

  仅适用于图层只有一个输出,即它是否连接到一个输入层.

  返回：

  输出张量或输出张量列表.

  可能引发的异常：

  • AttributeError：如果图层连接到多个输入图层.
  • RuntimeError：如果在Eager模式下调用.
• output_shape
  

  检索图层的输出形状.

  仅适用于图层具有一个输出,或者所有输出具有相同形状的情况.

  返回：

  输出形状,作为整数形状元组(或形状元组列表,每个输出张量一个元组).

  可能引发的异常：

  • AttributeError：如果图层没有定义的输出形状.
  • RuntimeError：如果在Eager模式下调用.
• scope_name
• trainable_variables
• trainable_weights
• updates
• variables
  

  返回所有图层变量/权重的列表.

  返回：

  变量列表.

• weights
  

  返回所有图层变量/权重的列表.

  返回：

  变量列表.

方法

• __init__
  

  __init__(
      pool_size,
      strides,
      padding='valid',
      data_format='channels_last',
      name=None,
      **kwargs
  )

  初始化自我.

• __call__
  

  __call__(
      inputs,
      *args,
      **kwargs
  )

  包装call,应用预处理和后处理步骤.

  参数：

  • inputs：输入张量.
  • *args：要传递给self.call的其他位置参数.
  • **kwargs：要传递给self.call的其他关键字参数.注意：kwarg scope保留供图层使用.

  返回：

  输出张量.

  注意：- 如果图层的call方法采用scope关键字参数,则此参数将自动设置为当前变量范围.- 如果图层的call方法采用mask参数(如某些Keras图层那样),则其默认值将设置为inputs前一层生成的蒙版(如果input确实来自生成相应蒙版的图层,即它是否来自具有掩蔽支持的Keras层).

  可能引发的异常：

  • ValueError：如果图层的call方法返回None(无效值).
• __deepcopy__
  

  __deepcopy__(memo)

• add_loss
  

  add_loss(
      losses,
      inputs=None
  )

  添加损失张量,可能取决于图层输入.
  

  一些损失(例如,活动正则化损失)可能取决于调用层时传递的输入.因此,当在不同的输入a和b上重用同一层时,在layer.losses中的一些条目可以取决于a而另外一些取决于b.此方法自动跟踪依赖性.

  该get_losses_for方法允许检索与特定输入集相关的损失.

  请注意,急切执行时不支持add_loss.相反,可以通过add_variable添加变量正则化器.不直接支持活动正规化(但可以从Layer.call()中返回此类损失).

  参数：

  • losses：损失张量,或张量/列表的张量.
  • inputs：如果传递了除None以外的任何内容,则表示损失是以某些层的输入为条件的,因此它们只应在这些输入可用的地方运行.例如,活动正规化损失就是这种情况.如果None通过,则假定损失是无条件的,并且将应用于层的所有数据流(例如,权重正则化损失).

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.
• add_update
  

  add_update(
      updates,
      inputs=None
  )

  添加更新操作,可能依赖于图层输入.

  权重更新(例如,BatchNormalization层中移动均值和方差的更新)可能取决于调用图层时传递的输入.因此,当在不同的输入a和b上重用同一层时,在layer.updates中的一些条目可以取决于a而另外一部分取决于b.此方法自动跟踪依赖性.

  该get_updates_for方法允许检索与特定输入集相关的更新.

  在Eager模式下忽略此调用.

  参数：

  • updates：更新操作,或更新操作的列表/元组.
  • inputs：如果传递了除None之外的任何内容,则表示更新是以某些层的输入为条件的,因此它们只应在这些输入可用的地方运行.例如,BatchNormalization更新就是这种情况.如果为None,则无条件地考虑更新,并且您有责任确保它们可能具有的任何依赖性在运行时可用.步数计数器可能属于此类别.
• add_variable
  

  add_variable(
      name,
      shape,
      dtype=None,
      initializer=None,
      regularizer=None,
      trainable=True,
      constraint=None,
      partitioner=None
  )

  向图层添加新变量,或获取现有变量；返回它.

  参数：

  • name： 变量名.
  • shape：变量的形状.
  • dtype：变量的类型,默认为self.dtype或float32.
  • initializer：初始化程序实例(可调用).
  • regularizer：regularrizer实例(可调用).
  • trainable：变量是否应该是图层的“trainable_variables”(例如,变量,偏差)或“non_trainable_variables”(例如,BatchNorm mean,stddev)的一部分.注意,如果当前变量范围被标记为不可训练,则忽略此参数,并且任何添加的变量也标记为不可训练.
  • constraint：约束实例(可调用).
  • partitioner:(可选)分区程序实例(可调用).如果提供,则在创建请求的变量时,它将根据partitioner分成多个分区.在这种情况下,返回一个PartitionedVariable实例.可用的分区包括tf.fixed_size_partitioner和tf.variable_axis_size_partitioner.

  返回：

  创建的变量.通常是一个Variable或一个ResourceVariable实例.如果partitioner不是None,则返回PartitionedVariable实例.

  可能引发的异常：

  • RuntimeError：如果使用分区变量正则化调用并且启用了急切执行.
• apply
  

  apply(
      inputs,
      *args,
      **kwargs
  )

  在输入上应用图层.

  这只是包装self.__call__.

  参数：

  • inputs：输入张量.
  • *args：要传递给self.call的其他位置参数.
  • **kwargs：要传递给self.call的其他关键字参数.

  返回：

  输出张量.

• build
  

  build(_)

  创建图层的变量.

• call
  

  call(inputs)

  图层的逻辑就在这里.

  参数：

  • inputs：输入张量.
  • **kwargs：其他关键字参数.

  返回：

  输出张量.

• compute_output_shape
  

  compute_output_shape(input_shape)

  在给定输入形状的情况下计算图层的输出形状.

  参数：

  • input_shape：一个TensorShape(可能是嵌套的元组).它不需要完全定义(例如,批量大小可能是未知的).

  返回：

  一个TensorShape(可能是嵌套的元组).

  可能引发的异常：

  • TypeError：如果input_shape不是TensorShape(可能是嵌套的元组).
  • ValueError：如果input_shape不完整或与图层不兼容.
• count_params
  

  count_params()

  计算组成权重的标量总数.

  返回：

  整数计数.

  可能引发的异常：

  • ValueError：如果尚未构建图层(在这种情况下,其权重尚未定义).
• get_input_at
  

  get_input_at(node_index)

  检索给定节点处的层的输入张量.

  参数：

  • node_index：Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.

  返回：

  张量(如果图层有多个输入,则为张量列表).

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.
• get_input_shape_at
  

  get_input_shape_at(node_index)

  检索给定节点处的图层的输入形状.

  参数：

  • node_index：Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.

  返回：

  形状元组(如果图层有多个输入,则为形状元组​​列表).

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.
• get_losses_for
  

  get_losses_for(inputs)

  检索与特定输入集相关的损失.

  参数：

  • inputs：输入张量或输入张量的列表/元组.

  返回：

  依赖于inputs的层的损失张量列表.

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.
• get_output_at
  

  get_output_at(node_index)

  检索给定节点处的图层的输出张量.

  参数：

  • node_index：Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.

  返回：

  张量(如果图层有多个输出,则为张量列表).

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.
• get_output_shape_at
  

  get_output_shape_at(node_index)

  检索给定节点处图层的输出形状.

  参数：

  • node_index：Integer,从中检索属性的节点的索引.例如,node_index=0将对应于第一次调用图层.

  返回：

  形状元组(如果图层具有多个输出,则为形状元组​​列表).

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.
• get_updates_for
  

  get_updates_for(inputs)

  检索与特定输入集相关的更新.

  参数：

  • inputs：输入张量或输入张量的列表/元组.

  返回：

  依赖于inputs的层的更新操作列表.

  可能引发的异常：

  • RuntimeError：如果在Eager模式下调用.