nn.MaxPool2d()的kernel_size为tuple用法

https://blog.csdn.net/qq_40210472/article/details/87895626

1. nn.Conv2d

nn.Conv2d 输入信号的形式为(N, Cin, H, W), N表示batch size，Cin​表示channel个数，H，W分别表示特征图的高和宽。

参数说明：

• stride(步长)：控制cross-correlation的步长，可以设为1个int型数或者一个(int, int)型的tuple。

• padding(补0)：控制zero-padding的数目。

• dilation(扩张)：控制kernel点（卷积核点）的间距;

• groups(卷积核个数)：这个比较好理解，通常来说，卷积个数唯一，但是对某些情况，可以设置范围在1 —— in_channels中数目的卷积核：

class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

• 参数kernel_size，stride, padding，dilation也可以是一个int的数据

• 此时卷积height 和 width值相同; 也可以是一个tuple数组，tuple的第一维度表示height的数值，tuple的第二维度表示width的数值。

  • 经常使用二维的kernel_size，如(3,5)，是tuple数组。

参数

• in_channels(int) – 输入信号的通道

• out_channels(int) – 卷积产生的通道

• kerner_size(int or tuple) - 卷积核的尺寸,在nlp中tuple用更多，（n,embed_size）

• stride(int or tuple, optional) - 卷积步长

• padding(int or tuple, optional) - 输入的每一条边补充0的层数

• dilation(int or tuple, optional) – 卷积核元素之间的间距

• groups(int, optional) – 从输入通道到输出通道的阻塞连接数

• bias(bool, optional) - 如果bias=True，添加偏置

2. nn.MaxPool2d

class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

• 如果padding 不是0，会在输入的每一边添加相应数目0，如padding=1，则在每一边分别补0，其实最后的结果补出来是bias

参数：

• kernel_size(int or tuple)： max pooling的窗口大小，可以为tuple，在nlp中tuple用更多，(n, 1)

  • (n, m): height/n, width/m

• stride(int or tuple, optional)： max pooling的窗口移动的步长。默认值是kernel_size

• padding(int or tuple, optional)： 输入的每一条边补充0的层数

• dilation(int or tuple, optional)： 一个控制窗口中元素步幅的参数

• return_indices： 如果等于True，会返回输出最大值的序号，对于上采样操作会有帮助

• ceil_mode： 如果等于True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的操作