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