PyTorch深度学习——最大池化层的使用

最大池化层的作用：
（1）首要作用，下采样
（2）降维、去除冗余信息、对特征进行压缩、简化网络复杂度、减小计算量、减小内存消耗等
（3）实现非线性、
（4）扩大感知野。
（5）实现不变性，其中不变形性包括，平移不变性、旋转不变性和尺度不变性。
官方参考文档：
MAXPOOL2D

重要的 参数：
相关计算公式：

下面举一个例子：
通过对一个数组操作，获取其平均采样值：

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



input  = torch.tensor([[1,2,0,3,1],
                       [0,1,2,3,1],
                       [1