最大池化操作

1.什么是最大池化

        最大池化（Max Pooling）是一种在卷积神经网络（CNN）中常用的操作，主要用于减小特征图的尺寸，从而降低计算量，同时保留最显著的特征。最大池化通过取局部区域内的最大值来减少特征图的空间维度（即宽度和高度），而不改变通道数。

        在数学上，就是在每次池化核进行匹配时，取出输入数组里面的最大数字,用于存储输入数据特征。从效果上来看，有效地缩小特征图的空间尺寸，减少模型的计算复杂度，同时保留图像的重要特征，实际观感就相当于打了一层马赛克。

        最大池化操作，首先需要一个池化核，与卷积层的卷积核一样，都是一个固定大小的滑动窗口在输入特征图上滑动。对于每一个池化区域，最大池化会在该区域内选择最大的数值作为输出结果。例如，对于一个 2x2 的池化核，如果输入是 [[1, 3], [2, 4]]，那么最大池化的输出就是 4，因为 4 是这个区域内的最大值。

2.最大池化的代码理解

        MaxPool2d的常见格式如下：

MaxPool2d(kernel_size, stride , padding , ceil_mode)

        步长（Stride）：步长决定了池化核每次移动的距离。默认情况下，步长与池化核的大小（kernel_size）相同。当步长小于池化核大小时，池化核会重叠在输入图像上，从而增加输出的重叠信息。

        填充（padding）：决定在输入图像的边缘添加的像素数量，用于控制池化结果的尺寸，通常填充为零。

        舍弃处理（ceil_mode）：在语言中，ceil和floor是将小数向上取整和向下取整，而在pytorch里，ceil_mode是对不满足kernel的输出结果作舍弃处理。

        ceil_mode=False: 默认设置，会丢弃那些无法完全填满池化核的边缘部分。
        ceil_mode=True: 会处理边缘部分，不满池化核时会取最大值。比如输入图像为：

1	2	0	3	1
0	1	2	3	1
1	2	1	0	0
5	2	3	1	1
2	1	0	1	1

        假设kernel(池化核)的尺寸为3*3，第一轮从[0, 0]开始，取最大数字2；

        第二轮则会从[3,0]开始，很显然无法填满kernel，如果ceil_mode为true,则会读出最大值3，否则直接舍弃这些数字；

        以此类推，最后当ceil_mode = true的情况下，读出输出数组为：

2	3
5	1

        而ceil_mode = false的情况下，只能读出第一轮的2；

3.对CIFAR数据集进行最大池化操作

import torch.nn as nn
import torch.nn.functional as F
import torch
import torchvision
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10('E:\\PyCharm_Project\\Pytorch_2.3.1\\PytorchVision\\dataset', train=False,
                                       transform=torchvision.transforms.ToTensor(), download=True)
dataloader = DataLoader(dataset, batch_size=64)

# 定义了一个简单的模型 Zilliax，其中包含一个最大池化层。MaxPool2d 使用了 kernel_size=3，即 3x3 的池化核，ceil_mode=False 表示在池化过程中不会对不足的部分进行向上取整。
class Zilliax(nn.Module):
    def __init__(self):
        super(Zilliax, self).__init__()
        self.maxpool = MaxPool2d(kernel_size = 3 , ceil_mode = False)

    def forward(self, x):
        output = self.maxpool(x)
        return output

model = Zilliax()
writer = SummaryWriter("logs")
step = 0
for data in dataloader:
    imgs , labels = data
    writer.add_images("input", imgs,step)    # 输入图片加入tensorboard，方便对比
    outputs = model(imgs)    # 对每个图片进行池化处理
    #池化不会转变层数，所以不需要reshape
    writer.add_images("output", outputs,step)
    step += 1
writer.close()