小编Yon*_*ang的帖子

最近，我开始了一个关于分类的项目，使用了一个非常浅的 ResNet。该模型只有 10 次转换。层，然后在 softmax 层之前连接一个全局平均池化层。

性能符合我的预期 --- 93%（是的，没关系）。

但是，由于某些原因，我需要替换 Global avg pooling 层。

我尝试了以下方法：

（给定这一层的输入形状[-1, 128, 1, 32]，tensorflow形式）

1. 全局最大池化层。但得到了 85% 的 ACC

2. 指数移动平均线。但得到了 12%（几乎没有用）

   split_list = tf.split(input, 128, axis=1)
   avg_pool = split_list[0]
   beta = 0.5
   for i in range(1, 128):
       avg_pool = beta*split_list[i] + (1-beta)*avg_pool
   avg_pool = tf.reshape(avg_pool, [-1,32])
   

   Run Code Online (Sandbox Code Playgroud)

3. 将输入分成 4 部分， avg_pool 每个部分，最后将它们连接起来。但得到了 75%

   split_shape = [32,32,32,32]
   split_list = tf.split(input, 
                         split_shape, 
                         axis=1)
   for i in range(len(split_shape)):
       split_list[i] = tf.keras.layers.GlobalMaxPooling2D()(split_list[i])
   avg_pool = tf.concat(split_list, axis=1)
   

   Run Code Online (Sandbox Code Playgroud)

4. 平均最后一个通道。[-1, 128, 1, 32] --> …