simple_img_conv_pool

paddle.fluid.nets. simple_img_conv_pool ( input, num_filters, filter_size, pool_size, pool_stride, pool_padding=0, pool_type=’max’, global_pooling=False, conv_stride=1, conv_padding=0, conv_dilation=1, conv_groups=1, param_attr=None, bias_attr=None, act=None, use_cudnn=True ) [源代码]

simple_img_conv_pool 由一个conv2d( conv2d )和一个pool2d( pool2d ) OP组成。

参数：

  • input (Variable) - 输入图像, 4-D Tensor, 格式为[N，C，H，W]。数据类型是float32或者float64

  • num_filters (int) - 卷积核的数目，整数。

  • filter_size (int | list | tuple) - conv2d卷积核大小，整数或者整型列表或者整型元组。如果 filter_size 是列表或元组，则它必须包含两个整数(filter_size_H，filter_size_W)。如果是整数，则filter_size_H = filter_size_W = filter_size。

  • pool_size (int | list | tuple) - pool2d池化层大小，整数或者整型列表或者整型元组。如果pool_size是列表或元组，则它必须包含两个整数(pool_size_H，pool_size_W)。如果是整数，则pool_size_H = pool_size_W = pool_size。

  • pool_stride (int | list | tuple) - pool2d池化层步长，整数或者整型列表或者整型元组。如果pool_stride是列表或元组，则它必须包含两个整数(pooling_stride_H，pooling_stride_W)。如果是整数，pooling_stride_H = pooling_stride_W = pool_stride。

  • pool_padding (int | list | tuple，可选) - pool2d池化层的padding，整数或者整型列表或者整型元组。如果pool_padding是列表或元组，则它必须包含两个整数(pool_padding_H，pool_padding_W)。如果是整数，pool_padding_H = pool_padding_W = pool_padding。默认值为0。

  • pool_type (str，可选) - 池化类型，字符串，可以是 max 或者 avg ，分别对应最大池化和平均池化。默认 max 。

  • global_pooling (bool，可选)- 是否使用全局池化。如果global_pooling = true，则忽略pool_size和pool_padding。默认为False

  • conv_stride (int | list | tuple，可选) - conv2d Layer的卷积步长，整数或者整型列表或者整型元组。如果conv_stride是列表或元组，则它必须包含两个整数，(conv_stride_H，conv_stride_W)。如果是整数，conv_stride_H = conv_stride_W = conv_stride。默认值：conv_stride = 1。

  • conv_padding (int | list | tuple，可选) - conv2d Layer的padding大小，整数或者整型列表或者整型元组。如果conv_padding是列表或元组，则它必须包含两个整数(conv_padding_H，conv_padding_W)。如果是整数，conv_padding_H = conv_padding_W = conv_padding。默认值：conv_padding = 0。

  • conv_dilation (int | list | tuple，可选) - conv2d Layer的dilation大小，整数或者整型列表或者整型元。如果conv_dilation是列表或元组，则它必须包含两个整数(conv_dilation_H，conv_dilation_W)。如果是整数，conv_dilation_H = conv_dilation_W = conv_dilation。默认值：conv_dilation = 1。

  • conv_groups (int，可选) - conv2d Layer的组数，整数。根据Alex Krizhevsky的Deep CNN论文中的分组卷积：当group = 2时，前半部分滤波器仅连接到输入通道的前半部分，而后半部分滤波器仅连接到后半部分输入通道。默认值：conv_groups = 1。

  • param_attr (ParamAttr，可选) - conv2d的weights参数属性。如果将其设置为None或ParamAttr的一个属性，则conv2d将创建ParamAttr作为param_attr。如果未设置param_attr的初始化，则使用

    simple_img_conv_pool - 图1

    初始化参数，并且 std 为

    simple_img_conv_pool - 图2

    。默认值:None

  • bias_attr (ParamAttr | bool | None，可选) - conv2d的bias参数属性。如果设置为False，则不会向输出单元添加bias。如果将其设置为None或ParamAttr的一个属性，则conv2d将创建ParamAttr作为bias_attr。如果设置bias_attr为None，则将其初始化为零。默认值：None

  • act (str，可选) - conv2d的激活类型，字符串，可以是’relu’, ‘softmax’, ‘sigmoid’等激活函数的类型。如果设置为None，则不附加激活。默认值：None。

  • use_cudnn (bool，可选) - 是否使用cudnn内核，仅在安装cudnn库时才有效。默认值：True。

  • name (str|None，可选) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None

返回： 输入input经过conv2d和pool2d之后输入的结果，数据类型与input相同

返回类型： Variable

示例代码

  1. import paddle.fluid as fluid
  2. # 输入 img.shape = [-1, 1, 28, 28]
  3. # 使用该接口带如下参数的操作之后，输出conv_pool.shape = [-1, 20, 12, 12]
  4. img = fluid.layers.data(name='img', shape=[1, 28, 28], dtype='float32')
  5. conv_pool = fluid.nets.simple_img_conv_pool(input=img,
  6.                                         filter_size=5,
  7.                                         num_filters=20,
  8.                                         pool_size=2,
  9.                                         pool_stride=2,
  10.                                         act="relu")