pytorch框架--网络方面--池化原理

池化使用

# 自适应平均值池化层
nn.AdaptiveAvgPool2d(output_size=(100,100)) # 输出大小的尺寸指定为100*100
# 平均池化 池化核和池化步长均为2
nn.AvgPool2d(2,stride=2)
# 最大池化
MaxPool2d(kernel_size=3, ceil_mode=True)

池化原理示例

import torch
import torch.nn.functional as F
from torch import nn
from torch.nn import MaxPool2d

x = torch.tensor([[1, 2, 3, 4, 5],
                  [1, 2, 3, 4, 5],
                  [1, 2, 3, 4, 5],
                  [1, 2, 3, 4, 5],
                  [1, 2, 3, 4, 5]], dtype=torch.float32)

# 改变维度 参数：数据矩阵，目标大小矩阵
x1 = torch.reshape(x, (-1, 1, 5, 5))


class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        # 池化核大小、默认False=舍弃不足池化核大小的值
        self.maxpool1 = MaxPool2d(kernel_size=3, ceil_mode=True)

    def forward(self, input):
        output = self.maxpool1(input)
        return output


tudui = Tudui()
output = tudui(x1)
print(output)

不舍弃就会获得：9、5、10、6、