李沐22_池化层——自学笔记

池化层：

1.积对位置敏感

2.检测垂直边缘

3.需要一定程度的平移不变性，例如照明、物体位置、比例、外观等因图像而异

二维最大池化

返回滑动窗口中的最大值，本质是忽略不重要信息

填充、步幅和多个通道

1.池化层和卷积层类似，都具有填充和步幅

2.没有可学习的参数

3.在每个输入通道应用池化层以获得相应的输出通道

4.输出通道数=输入通道数

5.池化层不做多通道融合

平均池化层

1.最大池化层：每个窗口中最强的模式信号

2.平均池化层：将最大池化层中的“最大”操作替换成“平均”

总结

1.池化层返回窗口中最大或平均值

2.缓解卷积层会位置的敏感性

3.同样有窗口大小、填充、和步幅作为超参数

代码实现

池化层的正向传播

import torch
from torch import nn
from d2l import torch as d2l

def pool2d(X, pool_size, mode='max'):
  p_h, p_w=pool_size
  Y=torch.zeros((X.shape[0]-p_h+1, X.shape[1]-p_w+1))
  for i in range