TensorFlow：为什么avg_pool忽略一个跨度维度？

Question

我试图跨越渠道维度，以下代码表现出令人惊讶的行为。我希望tf.nn.max_pool和tf.nn.avg_pool在输入完全相同的参数时应该产生相同形状的张量。不是这种情况。

import tensorflow as tf

x = tf.get_variable('x', shape=(100, 32, 32, 64),
        initializer=tf.constant_initializer(5), dtype=tf.float32)
ksize = (1, 2, 2, 2)
strides = (1, 2, 2, 2)
max_pool = tf.nn.max_pool(x, ksize, strides, padding='SAME')
avg_pool = tf.nn.avg_pool(x, ksize, strides, padding='SAME')
print(max_pool.shape)
print(avg_pool.shape)

这打印

$ python ex04/mini.py 
(100, 16, 16, 32)
(100, 16, 16, 64)

显然，我误解了一些事情。

Answer 1

链接https://github.com/Hvass-Labs/TensorFlow-Tutorials/issues/19说：

第一步和最后一步必须始终为1，因为第一步是图像编号，最后一步是输入通道。

Answer 2

事实证明这确实是一个错误。 https://github.com/tensorflow/tensorflow/issues/14886#issuecomment-352934112