pytorch笔记：torch.nn.MaxPool2d

原创已于 2022-03-14 19:52:26 修改 · 1.5k 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#pytorch #python

于 2021-08-30 22:08:16 首次发布

pytorch学习专栏收录该内容

116 篇文章

订阅专栏

本文详细介绍了PyTorch中的MaxPool2d函数，包括其基本用法、参数解释以及输入输出形状。MaxPool2d用于最大池化操作，关键参数包括kernel_size（池化窗口大小）、stride（滑动步长）、padding（填充大小）和dilation（间距）。padding可以维持输出维度，dilation则控制池化窗口间的距离。此外，还提到了ceil_mode对输出形状的影响。

开发板推荐：天空星STM32F407VET6开发板

超高性价比 STM32主控 | 超高主频 | 一板兼容百芯 | 比赛神器 | 沉金彩色丝印

点击查看

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