本关将介绍神经网络的另外一个特殊的定义——池化层。在神经网络中,池化层往往跟在卷积层后面。通过平均池化或者最大池化的方法将之前卷基层得到的特征图做一个聚合统计,从而达到压缩数据量的目的。
任务描述
本关任务:
本关提供了一个Variable
类型的变量x
,要求按照条件创建一个Conv2d
变量conv
,一个MaxPool2d
变量pool
,对x
应用卷积和最大池化操作并赋值给变量outpout_pool
,并输出outpout_pool
的大小。
相关知识
Pytorch 中池化分为两种:
- 最大池化
MaxPool
- 平均池化
AvgPool
MaxPool
MaxPool | 描述 |
---|---|
MaxPool1d | 对输入信号应用1维最大池化操作 |
MaxPool2d | 对输入信号应用2维最大池化操作 |
MaxPool3d | 对输入信号应用3维最大池化操作 |
下面以MaxPool1d
做详细介绍,2
维和3
维只是在1
维的基础上计算了长宽、长宽高的池化。
函数定义:
torch.nn.MaxPool1d(kernel_size, stride