01.07 pytorch学习（神经网络-最大池化的使用）

什么是池化
就是降低图像分辨率，比如一个3x3的池化操作（如下），会每3x3取其中的最大值

相关代码

import torch

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)
#(batch_size， 通道数，宽，高)，-1是自适应的意思
input = torch.reshape(input, (-1,1,5,5))
print(input.shape)

class Tudui(torch.nn.Module):
   def __init__(self):
       super(Tudui,self).__init__()
       self.maxpool=torch.nn.MaxPool2d(kernel_size=3,ceil_mode=True)

   def forward(self,x):
       x = self.maxpool(x)
       return x

tudui = Tudui()
output = tudui(input)
print(output)

运行结果：

如果我们将ceil_mode=False
运行结果：

可以看出ceil_mode的作用就是，是否保留不完整的3x3区域

可选参数stride，padding和convolution(卷积)相同