Keras：AveragePooling1D 層和 GlobalAveragePooling1D 層的區別

Question

當談到 Keras 的平均池化層時，我有點困惑。 文檔說明如下：

AveragePooling1D：時態數據的平均池化。

參數

pool_size: Integer, size of the average pooling windows. strides: Integer, or None. Factor by which to downscale. Eg 2 will halve the input. If None, it will default to pool_size. padding: One of "valid" or "same" (case-insensitive). data_format: A string, one of channels_last (default) or channels_first. The ordering of the dimensions in the inputs.

channel_last 對應於具有形狀（批次、步驟、特征）的輸入，而 channels_first 對應於具有形狀（批次、特征、步驟）的輸入。

輸入形狀

If data_format='channels_last': 3D tensor with shape: (batch_size, steps, features) If data_format='channels_first': 3D tensor with shape: (batch_size, features, steps)

輸出形狀

If data_format='channels_last': 3D tensor with shape: (batch_size, downsampled_steps, features) If data_format='channels_first': 3D tensor with shape: (batch_size, features, downsampled_steps)

和

GlobalAveragePooling1D：時態數據的全局平均池化操作。

參數

data_format: A string, one of channels_last (default) or channels_first. The ordering of the dimensions in the inputs.

channel_last 對應於具有形狀（批次、步驟、特征）的輸入，而 channels_first 對應於具有形狀（批次、特征、步驟）的輸入。

輸入形狀

If data_format='channels_last': 3D tensor with shape: (batch_size, steps, features) If data_format='channels_first': 3D tensor with shape: (batch_size, features, steps)

輸出形狀

具有形狀的 2D 張量：（batch_size, features）

我（認為我）確實得到了平均池化的概念，但我真的不明白為什么 GlobalAveragePooling1D 層只是刪除了步驟參數。 非常感謝您的回答。

Answer 1

GlobalAveragePooling1D與帶pool_size=steps AveragePooling1D相同。 因此，對於每個特征維度，它在所有時間步長中取平均值。 因此輸出具有形狀(batch_size, 1, features) （如果data_format='channels_last' ）。 他們只是壓平第二個（或第三個，如果data_format='channels_first' ）維度，這就是你如何獲得等於(batch_size, features)輸出形狀。