【动手学深度学习】池化层

1 汇聚层

本节将介绍汇聚（pooling）层，它具有双重目的：

降低卷积层对位置的敏感性，同时降低对空间降采样表示的敏感性。

1.1 最大汇聚层和平均汇聚层

1.2 填充和步幅

1.3 小结

• 池化层返回窗口中最大值或平均值

• 池化层可以缓解卷积层对位置的敏感性

• 池化层同卷积层一样具有窗口大小、填充、步幅作为超参数

2 代码

2.1 池化层的实现

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(Y.shape[0]):
        for j in range(Y.shape[1]):
            if mode == 'max':
                Y[i, j] = X[i: i + p_h, j: j + p_w].max()
            elif mode == 'avg':
                Y[i, j] = X[i: i + p_h, j: j + p_w].mean()
    return Y

现在验证二维最大池化层的输出

X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
pool2d(X, (2, 2))

验证平均池化层

pool2d(X, (2, 2), 'avg')

2.2 填充和步幅

X = torch.arange(16, dtype=torch.float32).reshape((1, 1, 4, 4))# 批量大小为1，通道数为1
X

默认情况下，深度学习框架中的步幅与汇聚窗口的大小相同。 因此，如果我们使用形状为(3, 3)的汇聚窗口，那么默认情况下，我们得到的步幅形状为(3, 3)

pool2d = nn.MaxPool2d(3)#3表示池化层的窗口大小为3×3
##深度学习框架中默认步幅与池化窗口的大小相同（也即每次移动池化核时 池化窗口都不重叠）
pool2d(X)

我们也可以手动指定填充和步幅

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)

也可以设定任意大小的矩形池化窗口，并分别设定填充和步幅的高度和宽度

pool2d = nn.MaxPool2d((2, 3), stride=(2, 3), padding=(0, 1))
pool2d(X)

2.3 多个通道

在处理多通道输入数据时，汇聚层在每个输入通道上单独运算，而不是像卷积层一样在通道上对输入进行汇总。 这意味着汇聚层的输出通道数与输入通道数相同。 下面，我们将在通道维度上连结张量X和X + 1，以构建具有2个通道的输入

X = torch.cat((X, X + 1), 1)#将X设置成双通道
X

如下所示，汇聚后输出通道的数量仍然是2

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)

2.4 小结

• 对于给定输入元素，最大汇聚层会输出该窗口内的最大值，平均汇聚层会输出该窗口内的平均值。

• 汇聚层的主要优点之一是减轻卷积层对位置的过度敏感。

• 我们可以指定汇聚层的填充和步幅。

• 使用最大汇聚层以及大于1的步幅，可减少空间维度（如高度和宽度）。

• 汇聚层的输出通道数与输入通道数相同。