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)

pytorch笔记:torch.nn.MaxPool2d_第1张图片

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。

pytorch笔记:torch.nn.MaxPool2d_第2张图片

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:

你可能感兴趣的:(pytorch学习,pytorch,python)