1 基本用法
class torch.nn.MaxPool2d(
kernel_size,
stride=None,
padding=0,
dilation=1,
return_indices=False,
ceil_mode=False)
2 参数详解
kernel_size | 最大池化窗口的大小,类型为int 或者元组, 当最大池化窗口是方形的时候,只需要一个整数边长即可;最大池化窗口不是方形时,要输入一个元组表示 高和宽。【必选】 每次将输入池化操作的kernel_size大小的内容进行最大池化操作得到一个结果 |
stride | 最大池化窗口每次滑动的步长为多少,默认是 kernel_size【可选】 以kernel_size为1为例,会有: 这一轮考虑的是a[i][j],下一轮考虑的就是a[i][j+stride] |
padding | 设置在所有边界增加 值为 0 的边距的大小(也就是在feature map 外围增加几圈 0 ) 例如当 padding =1 的时候,如果原来大小为 3 × 3 ,那么之后的大小为 5 × 5 。即在外围加了一圈 0 。【可选】 padding的作用是为了维护输出的维度 |
dilation | 控制最大池化窗口之间的间距【可选】 如果我们设置的dilation=0的话,效果如图:(蓝色为输入,绿色为输出,最大池化窗口为3 × 3) 如果设置的是dilation=1,那么效果如图:(蓝色为输入,绿色为输出,最大池化窗口卷积核仍为 3 × 3 。) |
ceil_mode | 如果等于True ,计算输出信号大小的时候,会使用向上取整,代替默认的向下取整的操作 |
3 输入输出形状
假设输入形状为:,输出形状为
:
(batchsize, channel, height, width)
那么,根据MaxPool2d的参数,我们有: