【pytorch】torch.nn.MaxPool2d详解与尺寸计算

torch.nn.MaxPool2d

功能：
MaxPool 最大池化层，池化层在卷积神经网络中的作用在于特征融合和降维。池化也是一种类似的卷积操作，只是池化层的所有参数都是超参数，是学习不到的。

作用：
maxpooling有局部不变性而且可以提取显著特征的同时降低模型的参数，从而降低模型的过拟合。只提取了显著特征，而舍弃了不显著的信息，是的模型的参数减少了，从而一定程度上可以缓解过拟合的产生。

函数原型：

nn.MaxPool2d(kernel_size, stride, padding=1, dilation=1, return_indices=False, ceil_mode=False)

参数：
kernel_size：表示做最大池化的窗口大小，可以是单个值，也可以是tuple元组
stride：步长，可以是单个值，也可以是tuple元组
padding：填充，可以是单个值，也可以是tuple元组
dilation:控制窗口中元素步幅
return_indices ：布尔类型，返回最大值位置索引
ceil_mode ：布尔类型，为True，用向上取整的方法，计算输出形状；默认是向下取整

尺寸变化计算：

H垂直方向：

out = (in+2xpadding[0]-dilation[0]x(kernel_size[0]-1)-1)/stride[0]+1

W水平方向：

out = (in+2xpadding[1]-dilation[1]x(kernel_size[1]-1)-1)/stride[1]+1