回答情况：
提问时间：
问题标签：
我的问题很简单： 如何使用max-pooling layer将列表或张量的维度减少到列表中的512个元素： 我正在尝试以下代码： input_ids = tokenizer.encode(questionnn.AdaptiveMaxPool1d(512)
input_ids = m(torch.tensor([[input_ids]])) # convert the list to tensor and apply max-pooling
浏览 36提问于2020-04-14得票数 0
回答已采纳
我很困惑我们如何在max-pooling中定义Tensorflow。文件含糊不清，不能很好地解释参数。
ksize:长度为>= 4的ints列表。输入张量的每个维度的窗口大小。下面的Caffe在Tensorflow中的max-pooling是什么意思？
浏览 5修改于2017-01-20得票数 1
我想在下面提到的迁移学习代码中添加conv, max-pooling, 3x3 filter and stride 3 and activation mode ReLU或conv, max-pooling
浏览 2提问于2021-03-04得票数 1
回答已采纳
nr_test_examples 6400这是我的模型(每次卷积后使用RELU激活)：max-pooling2x2conv 3x3 (64, 128)dropoutmax-pooling 2x2conv
浏览 0修改于2017-09-14得票数 2
回答已采纳
new_conv_layer(input, # The previous layer # save 75% of the relu-operations by max-pooling
浏览 1提问于2017-07-23得票数 0
回答已采纳
应用max-pooling后，高度和宽度会发生变化。但是，在应用扁平层之后，到底会发生什么呢？例如，如果flatten之前的输入是(24，24，32)，那么它是如何将其展平的？
浏览 0修改于2019-10-16得票数 25
回答已采纳
print(img_input)
# Convolution is followed by max-pooling(2)(x)# Convolution is followed by max-poolinglayers.MaxPooling2D(2)(x)
# Third convolution extr
浏览 13修改于2019-03-01得票数 2
回答已采纳
在顶部，还有其他层，比如每个节点上的max-pooling或激活函数，它们可能具有更高的复杂性。这些是瓶颈吗？
浏览 6提问于2017-07-03得票数 0
64, 3))
code_layer = build_encoder(input_layer, size_of_code) # add some convolution layers and max-pooling
浏览 15提问于2019-03-24得票数 0
tf.keras.layers.Conv2D( ), 64, (3, 3), activation='relu', input_shape=(IMG_WIDTH, IMG_HEIGHT, 3) # Max-pooling
浏览 18修改于2021-07-07得票数 0
relu", input_shape=(IMG_WIDTH, IMG_HEIGHT, 3) ),
# max-pooling
浏览 14提问于2020-07-11得票数 0
回答已采纳
tf.keras.layers.Conv2D(32, (3, 3), activation="relu", input_shape=(PATCHSIZE, PATCHSIZE, 3)),
#Max-pooling
浏览 12提问于2022-09-04得票数 1
回答已采纳
型号代码：
# a simple stack of 3 convolution layers with a ReLU activation and followed by max-pooling layers
浏览 0修改于2018-04-21得票数 1
outputsInitialized max-poolingcross-map response-normalization layer 'rnorm2' on GPUs 0, producing 12x12 64-channel output
Initialized max-pooling
浏览 5提问于2015-01-15得票数 0
回答已采纳
(nn.ReLU()) -- non-linearity
net:add(nn.SpatialMaxPooling(2,2,2,2)) -- A max-pooling
浏览 0修改于2016-04-01得票数 0
回答已采纳
self.cache['X'] = x我当前反向传播的实现： """
Backpropagation in a max-pooling
浏览 3提问于2020-05-22得票数 4
回答已采纳
tf.keras.layers.Conv2D( ), 64, (3, 3), activation='relu', input_shape=(IMG_WIDTH, IMG_HEIGHT, 3) # Max-pooling
浏览 1修改于2021-07-08得票数 1
#the output of the layer above is 64x64x256
model.add(BatchNormalization())
#Max-Pooling
浏览 0修改于2019-05-16得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号