池化层操作之nn.MaxPool2d的使用

池化层的作用是为了缩减参数。nn.MaxPool2d的使用比较简单,其中参数ceil_model为False表示当输入的一部分小于池化核时则舍弃。
# 池化的作用是为了缩减参数
import torch.nn as nn
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter


class My_nn(nn.Module):
    def __init__(self):
        super(My_nn, self).__init__()
        self.maxpool = nn.MaxPool2d(kernel_size=3, ceil_mode=False)  # ceil_model为False表示当输入的一部分小于池化核时舍弃

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


if __name__ == '__main__':
    # 采用这个池化神经网络对CIFAR10的图片进行处理
    # 为了减少数据集个数,对测试集进行处理
    data_set = torchvision.datasets.CIFAR10('dataset', train=False, transform=torchvision.transforms.ToTensor(),
                                            download=True)
    data_loader = DataLoader(data_set, batch_size=64, drop_last=True)

    # 初始化类
    my_nn = My_nn()

    writer = SummaryWriter('nn_maxpool')
    step = 0
    for data in data_loader:
        imgs, targets = data
        writer.add_images('input', imgs, step)
        out_imgs = my_nn(imgs)
        writer.add_images('output', out_imgs, step)
        step += 1

    writer.close()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值