Couches de pooling (AveragePooling3D)

Fonctions :

• AveragePooling3D()

  AveragePooling3D est une couche de pooling qui applique un pooling moyen sur une fenêtre glissante 3D. Elle est utilisée pour réduire la dimension spatiale (profondeur, hauteur, largeur) de données volumétriques ou séquences spatiales en calculant la moyenne dans chaque fenêtre, ce qui permet de réduire la taille des représentations tout en conservant l’information moyenne locale.

  Importation :

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import AveragePooling3D, Flatten, Dense
  import numpy as np

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  pool_size	int ou tuple de 3 entiers	Taille de la fenêtre de pooling (profondeur, hauteur, largeur).	(2, 2, 2)
  strides	int ou tuple de 3 entiers	Pas de déplacement de la fenêtre de pooling.	None (équivalent à pool_size)
  padding	str	'valid' (sans remplissage) ou 'same' (conserve la taille).	'valid'
  data_format	str	'channels_last' (profondeur, hauteur, largeur, canaux) ou 'channels_first' (canaux, profondeur, hauteur, largeur).	'channels_last'

  Exemple de code :

  📋 Copy

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import AveragePooling3D, Flatten, Dense
  import numpy as np
  
  # Données simulées : 10 volumes 8x8x8 avec 1 canal
  X = np.random.rand(10, 8, 8, 8, 1)
  y = np.random.randint(0, 2, size=(10,))
  
  # Modèle simple avec AveragePooling3D
  model = Sequential()
  model.add(AveragePooling3D(pool_size=(2, 2, 2), input_shape=(8, 8, 8, 1)))
  model.add(Flatten())
  model.add(Dense(1, activation='sigmoid'))
  
  model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
  model.summary()

  

  Explication du code :

  Importation des bibliothèques

  On importe les couches nécessaires de TensorFlow Keras : `AveragePooling3D`, `Flatten` et `Dense`.

  Création des données

  Les données simulées représentent 10 volumes 3D de taille 8×8×8 avec un canal unique (ex. images médicales, volumes). Les labels sont binaires.

  Définition du modèle

  La couche `AveragePooling3D` réduit la dimension spatiale en calculant la moyenne dans des fenêtres 3D de taille 2×2×2 glissantes. `Flatten` transforme ensuite la sortie en vecteur pour la couche dense finale.

  Compilation

  Le modèle est compilé pour un problème de classification binaire avec l’optimiseur Adam.