我想在不制作模型的情况下使用Keras图层pooling layers . 每当我看到与Keras相关的示例时,我都会以模型形式看到它们,如下所示:
model = Sequential()
model.add(Conv2D(2, kernel_size=(3, 3),activation='relu',
input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2, 2)))
....
model.compile(loss=keras.losses.binary_crossentropy,
optimizer=keras.optimizers.Adadelta(),
metrics=['accuracy'])
model.fit(x_train, y_train,batch_size=batch_size,epochs=epochs,verbose=1,)
这样,首先我们定义 input
然后模型然后 compile
和最后 fit
. 但是我要说我必须进行最大化操作,我只有1张尺寸为56 * 64且带有灰度的图像,即以4d张量形式输入(1,56,64,1) . 那么如何使用Keras MaxPooling2D
层执行maxpooling操作 .
2 回答
您只能使用
MaxPooling2D
创建模型并执行predict
(没有fit
):compile
完全没有影响 .完整代码
来自@Hitesh评论的例子:
您可以使用功能API来完成:只需定义
input
,然后执行以下操作:BTW使用Keras是一种矫枉过正,因为它是构建
models
的工具包 . 你可以使用tensorflow或任何其他深度学习框架轻松地完成它 .