全局池化操作的池大小是多少？
What is the pool size of global pooling operations?
在正常的池化操作中，我们必须提到池化操作的池大小，比如我们提到的 2D 池化操作 (2,2)；然而，在全局池化操作中，它不是必需的。那么它与输入的大小相同吗？我正在研究 Keras。 Here 一位作者提到池大小与 input size 或 input size-filter size+1 相同。哪一个是正确的？
在一维池化的情况下，如 Keras docs 中所述，它将形状为 (batch_size, steps, features) 的数组作为输入，其输出形状为 (batch_size, features)。所以池大小等于 steps.
在 2D 池的情况下，如 Keras docs 中所述，它将形状为 (batch_size, rows, cols, channels) 的数组作为输入，其输出形状为 (batch_size, channels)。所以池大小等于 (rows, cols).
在这两种情况下，池大小与其背后的直觉一致：在整个数据轴（即全局）上取最大值。
如果输入形状为 (None, rows, cols, filters)，则全局池化使用 pool_size of (rows, cols)。
在正常的池化操作中，我们必须提到池化操作的池大小，比如我们提到的 2D 池化操作 (2,2)；然而，在全局池化操作中，它不是必需的。那么它与输入的大小相同吗？我正在研究 Keras。 Here 一位作者提到池大小与 input size 或 input size-filter size+1 相同。哪一个是正确的？
在一维池化的情况下，如 Keras docs 中所述，它将形状为 (batch_size, steps, features) 的数组作为输入，其输出形状为 (batch_size, features)。所以池大小等于 steps.
在 2D 池的情况下，如 Keras docs 中所述，它将形状为 (batch_size, rows, cols, channels) 的数组作为输入，其输出形状为 (batch_size, channels)。所以池大小等于 (rows, cols).
在这两种情况下，池大小与其背后的直觉一致：在整个数据轴（即全局）上取最大值。
如果输入形状为 (None, rows, cols, filters)，则全局池化使用 pool_size of (rows, cols)。