神经网络最大池化层

最大池化层（常用的是maxpool2d）的作用：

• 一是对卷积层所提取的信息做更一步降维，减少计算量
• 二是加强图像特征的不变性，使之增加图像的偏移、旋转等方面的鲁棒性

具体操纵：取图像中的最大值作为输出，如下所示，第一个橙色框代表最大池化操作，最左边池化的最大值为3，即第一个输出为3，后面以此类推。橙色的操作代表ceil_mode=True()时的操作，即不够的向上取整，False代表向下取整。

 代码：

import torch
from torch import nn
from torch.nn import MaxPool2d

#我们经常使用的是浮点数，要把输入数据设置为浮点数，1=1.0
input = torch.tensor([[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]],dtype=torch.float32)

#转换成合适的输入格式
input = torch.reshape(input,(-1,1,5,5))
print(input.shape)

class Mymodel(nn.Module):
    def __init__(self):
        super(Mymodel, self).__init__()
        #ceil_mode=true,即最大池化层映射有空白的部分向上取整，如3.2取4
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)


    def forward(self,input):
        output = self.maxpool1(input)
        return output

#创建神经网络
mymodel = Mymodel()
#输入数据经过神经网络输出
output = mymodel(input)
print(output)

结果：

把ceil_mode修改为False时，

 

结果为2：

 

 下面利用torchvision类下来数据，然后经过神经网络操作

import torch
import torchvision

from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10("./fl/data",train=False,download=True,transform=torchvision.transforms.ToTensor())

dataloader = DataLoader(dataset,batch_size=64)

class Mymodel(nn.Module):
    def __init__(self):
        super(Mymodel, self).__init__()
        #ceil_mode=true,即最大池化层映射有空白的部分向上取整，如3.2取4
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=False)


    def forward(self,input):
        output = self.maxpool1(input)
        return output

#创建神经网络
mymodel = Mymodel()

writer = SummaryWriter("../logs_maxpool")
step = 0

for data in dataloader:
    imgs,targets = data
    writer.add_images("input",imgs,step)
    output = mymodel(imgs)
    writer.add_images("output",output,step)
    step = step + 1

writer.close()

 运行后，在terminal下执行：tensorboard --logdir=logs_maxpool --port=6009

（如果执行有误，参考tensorboard使用方法）

执行如下：

打开链接，如下：