pytorch笔记：torch.nn.MaxPool2d

1 基本用法

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

2 参数详解

kernel_size	最大池化窗口的大小，类型为int 或者元组，         当最大池化窗口是方形的时候，只需要一个整数边长即可；最大池化窗口不是方形时，要输入一个元组表示 高和宽。【必选】         每次将输入池化操作的kernel_size大小的内容进行最大池化操作得到一个结果
stride	最大池化窗口每次滑动的步长为多少，默认是 kernel_size【可选】 以kernel_size为1为例，会有： 这一轮考虑的是a[i][j],下一轮考虑的就是a[i][j+stride]
padding	设置在所有边界增加 值为 0 的边距的大小（也就是在feature map 外围增加几圈 0 ） 例如当 padding =1 的时候，如果原来大小为 3 × 3 ，那么之后的大小为 5 × 5 。即在外围加了一圈 0 。【可选】 padding的作用是为了维护输出的维度
dilation	控制最大池化窗口之间的间距【可选】 如果我们设置的dilation=0的话，效果如图：（蓝色为输入，绿色为输出，最大池化窗口为3 × 3） 如果设置的是dilation=1，那么效果如图：（蓝色为输入，绿色为输出，最大池化窗口卷积核仍为 3 × 3 。） 但是这里最大池化窗口点与输入之间距离为1的值相乘来得到输出。
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

3 输入输出形状

假设输入形状为：，输出形状为：

(batchsize, channel, height, width)

那么，根据MaxPool2d的参数，我们有：