Keras GlobalMaxPooling2D TypeError：（'关键字参数不理解：'，'keepdims'）

Question

我正在尝试实现一个 GlobalMaxPooling2D 层。我有一个 10x10x128 输入，希望将其简化为形状为 1x1x128 的 3D 张量。我尝试使用 keepdims=True，但它会抛出一个

TypeError: ('Keyword argument not understood:', 'keepdims')

我也尝试添加 data_format 但没有效果（这是默认的“channel_last”）。这是 GlobalMaxPooling2D 的代码

ug = layers.GlobalMaxPooling2D(data_format='channel_last',keepdims=True)(inputs)

输入变量是 2D 转换操作的输出：

conv4 = layers.Conv2D(filters=128, kernel_size=3, strides=1, padding='valid', activation='relu', name='conv4')(conv3)

由于这个 Conv 层或调用 GlobalMaxPooling2D 层，我是否在某个地方搞砸了？有没有办法从 GlobalMaxPooling2D 层获得 1x1x128 输出？

Answer 1

对于tf < 2.6，你可以做

import tensorflow as tf; print(tf.__version__)

input_shape = (1, 10, 10, 128)
x = tf.random.normal(input_shape) 
y = tf.keras.layers.GlobalMaxPool2D()(x)
z = tf.keras.layers.Reshape((1, 1, input_shape[-1]))(y)

print(x.shape)
print(y.shape)
print(z.shape)
2.5.0
(1, 10, 10, 128)
(1, 128)
(1, 1, 1, 128)

从 开始tf > = 2.6，您可以使用keepdims参数。

!pip install tensorflow==2.6.0rc0 -q

import tensorflow as tf; print(tf.__version__)

input_shape = (1, 10, 10, 128)
x = tf.random.normal(input_shape) 
y = tf.keras.layers.GlobalMaxPool2D(keepdims=True)(x)

print(x.shape)
print(y.shape)

2.6.0-rc0
(1, 10, 10, 128)
(1, 1, 1, 128)