如何在tensorflow中实现像keras这样的子样本

Question

subsample在keras的这个函数中做什么？

Convolution2D(nb_filter, nb_row, nb_col,
         subsample=subsample,
         activation=activation,
         border_mode=border_mode,
         W_regularizer=W_regularizer,
         b_regularizer=b_regularizer,
         dim_ordering=dim_ordering)(x)

如何在tensorflow中实现此subsample？

Answer 1

子样本与tensorflow中的步幅相同。您可以使用tensorflow tf.nn.conv2d（）函数中的grades参数来实现这一点。

子采样/步进告诉在执行卷积时在每个维度上移动滤波器的量。例如，在每个方向上的步长为1的情况下，您将为每个卷积将滤波器偏移一个，并产生与输入大小相同的输出（边界填充效果除外）。如果步幅设置为2，则结果的维度将是原始图像的一半。

Answer 2

有不同的方法进行子采样。你可以做平均池，取补丁的平均值，或者最大池，后者更受欢迎。使用tf.nn.avg_pool（）或tf.nn.max_pool（），可以在此处找到这些函数的文档