最大池化和平均池化两者相加代码实现

最大池化和平均池化都是常见的特征提取方法，它们可以结合使用来提高特征提取的效果。以下是它们相加的代码实现：

import numpy as np

def max_avg_pooling(input, pool_size=(2, 2)):
    # 计算输出矩阵的大小
    output_shape = (input.shape[0] // pool_size[0], input.shape[1] // pool_size[1])
    # 初始化输出矩阵
    output = np.zeros(output_shape)
    # 对于每个输出矩阵中的元素
    for i in range(output_shape[0]):
        for j in range(output_shape[1]):
            # 找到输入矩阵中对应的子矩阵
            sub_matrix = input[i*pool_size[0]:i*pool_size[0]+pool_size[0], j*pool_size[1]:j*pool_size[1]+pool_size[1]]
            # 将子矩阵中的最大值和平均值相加作为输出矩阵中的对应元素
            output[i][j] = np.max(sub_matrix) + np.mean(sub_matrix)
    return output

其中，`input` 为输入矩阵，`pool_size` 为池化窗口大小。在这里，我们将输入矩阵中的每个子矩阵中的最大值和平均值相加，然后作为输出矩阵中的对应元素。这样可以同时保留最大值和平均值的信息，从而提高特征提取的效果。