秃姐学AI系列之：池化层 + 代码实现

目录

池化层

二维最大池化层 Max Pooling

池化层超参数

平均池化层 Mean Pooling 

总结

代码实现 

---

池化层

卷积对位置非常敏感的，但是我们在实际应用中我们需要一定程度的平移不变性。比如照明、物体位置、比例、外观等因素会导致图片发生变化。所以卷积对未知太过于敏感不是一个很好的事情。

其次池化层可以减少数据量

二维最大池化层 Max Pooling

每个窗口中最强的模式信号

 可以看出，2 x 2最大池化允许输入由1像素位移（也就是在它窗口里面，允许半个窗口的偏移）。

池化层超参数

• 和卷积层类似，都具有填充和步幅
• 没有可学习的参数（与卷积不一样！！）
• 每个输入通道应用池化层以获得相应的输出通道（不会融合多个通道！！与卷积不同）

因为多通道融合我可以交给卷积来做，池化层可以不这样做

• 输出通道数 = 输入通道数

平均池化层 Mean Pooling 

将最大池化层中的“最大”操作替换为“平均”

相较于最大池化层，平均池化从会有一个更柔和的结果呈现

总结

• 池化层返回窗口最大or平均值
• 主要作用：缓解卷积层对位置的敏感性
• 通常池化层会作为卷积层之后的操作
• 同样有窗口大小、填充、步幅作为超参数
• 对通道分别输出，不进行融合，也就是输入通道数 = 输出通道数
• 没有可以学习的参数 

代码实现 

 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))   # 套公式算出输出大小
    for i in range(Y.shape[0]):  # 按行迭代
        for j in range(Y.shape[1]):  # 按列迭代
            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

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))

# 输出
tensor([4., 5.],
       [7., 8.])

验证平均池化层

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

# 输出
tensor([[2., 3.],
        [5., 6.]])

填充和步幅

X = torch.arange(16, dtype = torch.float32).reshape((1, 1, 4, 4))
X

# 输出
tensor([[[[0., 1., 2., 3.],
          [4., 5., 6., 7.],
          [8., 9., 10., 11.],
          [12., 13., 14., 15.]]]])

深度学习框架中的步幅与池化窗口的大小相同，所以4 x 4的矩阵只能容纳一个窗口，结果为一个标量

pool2d = nn.MaxPool2d(3)  # 一个3 x 3的窗口
pool2d(X)

# 输出
tensor([[[[10.]]]])

填充和步幅可以手动设定

pool2d = nn.ManPool2d(3, padding = 1, stride = 2)
pool2d(X)

# 输出
tensor([[[[5., 7.],
          [13., 15.]]]])

设定一个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), padding = (1, 1), stride = (2, 3))
pool2d(X)

# 输出
tensor([[[[1., 3.],
          [9., 11.],
          [13., 15.]]]])

池化层在每个输入通道上单独计算

X = np.concatenate((X, X + 1), 1)
X

# 输出
tensor([[[[ 0.,  1.,  2.,  3.],
         [ 4.,  5.,  6.,  7.],
         [ 8.,  9., 10., 11.],
         [12., 13., 14., 15.]],

        [[ 1.,  2.,  3.,  4.],
         [ 5.,  6.,  7.,  8.],
         [ 9., 10., 11., 12.],
         [13., 14., 15., 16.]]]])

pool2d = nn.MaxPool2D(3, padding=1, strides=2)
pool2d(X)

# 输出
array([[[[ 5.,  7.],
         [13., 15.]],

        [[ 6.,  8.],
         [14., 16.]]]])