kerasでVGG16のpoolingの私的メモ

VGG16の引数pooling

keras.applications.vgg16.VGG16(include_top=True, weights='imagenet', input_tensor=None, input_shape=None, pooling=None, classes=1000)

引数にpoolingというのがある。

pooling: 特徴量抽出のためのオプショナルなpooling mode，include_topがFalseの場合のみ指定可能．
・None：モデルの出力が，最後のconvolutional layerの4階テンソルであることを意味しています．
・'avg'：最後のconvolutional layerの出力にglobal average poolingが適用されることで，モデルの出力が2階テンソルになることを意味しています．
・'max'：global max poolingが適用されることを意味します．
引用：https://keras.io/ja/applications/

pooling='None'の場合、出力が4階テンソルとなる。要は4次元のデータとなる。この場合、

conv_base = VGG16(weights='imagenet', include_top=False, input_shape=(150,150,3))

model = models.Sequential()
model.add(conv_base)
model.add(layers.Flatten())
model.add(layers.Dense(256, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid')) 

このようにflattenを用いて全結合をしないといけない。
それに対して、pooling='avg'またはpooling='max'のときは、

conv_base = VGG16(weights='imagenet', include_top=False,pooling='avg', input_shape=(150,150,3))

model = models.Sequential()
model.add(conv_base)
model.add(layers.Dense(1, activation='sigmoid')) 

global average poolingによって全結合のようなものが行われるため、flattenはいらない。

参考

https://keras.io/applications/#vgg16
https://qiita.com/mine820/items/1e49bca6d215ce88594a