Keras: разница между слоем AveragePooling1D и слоем GlobalAveragePooling1D

Question

Я немного сбит с толку, когда дело доходит до среднего пула слоев Keras. Документация гласит следующее:

AveragePooling1D: Средний пул для временных данных.

Аргументы

pool_size: Integer, size of the average pooling windows.
strides: Integer, or None. Factor by which to downscale. E.g. 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 соответствуют входам сshape (пакет, шаги, элементы), а channel_first соответствует входам с формой (партия, элементы, шаги).

форма ввода

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)

форма вывода

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)

и

GlobalAveragePooling1D: Глобальная средняя операция объединения для временных данных.

Аргументы

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

channel_last соответствуют входам с формой (пакет, шаги, особенности), а channel_first соответствует входам с формой (партия, элементы, шаги).

Форма ввода

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)

Форма вывода

2D-тензор с формой: (batch_size, особенности)

Я (думаю, что я) действительно понимаю концепцию среднего пула, но я не совсем понимаю, почему слой GlobalAveragePooling1D просто отбрасывает параметр steps.Большое спасибо за ваши ответы.

Answer 1

GlobalAveragePooling1D совпадает с AveragePooling1D с pool_size=steps.Таким образом, для каждого измерения элемента требуется среднее значение по всем временным шагам.Таким образом, выходные данные имеют форму (batch_size, 1, features) (если data_format='channels_last').Они просто сглаживают второе (или третье, если data_format='channels_first') измерение, то есть вы получаете выходную форму, равную (batch_size, features).