Pytorch池化层Maxpool2d中ceil_mode参数

最新推荐文章于 2025-04-02 11:16:36 发布

seungribariumgd

最新推荐文章于 2025-04-02 11:16:36 发布

阅读量3.9k

点赞数 12

文章标签： python Pytorch Python Deep Learnin Marchine Lea

本文链接：https://blog.csdn.net/seungribariumgd/article/details/107066502

版权

本文详细解析了PyTorch中MaxPool2d层的ceil_mode参数作用。当设置为True时，即使输入数据不足以构成完整的kernel_size，也会保留并补全NAN至指定大小进行计算；当设置为False时，则会直接舍弃不足部分。通过具体示例，展示了两种模式下池化操作的不同结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

@Pytorch

Pytorch池化层Maxpool2d中ceil_mode参数

当ceil_mode = true时，将保存不足为kernel_size大小的数据保存，自动补足NAN至kernel_size大小；
当ceil_mode = False时，剩余数据不足kernel_size大小时，直接舍弃。
例如：

inputs的大小为5*5， max_pool中kernel_size为2

inputs= [0 0 0 0 0
1 1 1 1 1
2 2 2 2 2
3 3 3 3 3
4 4 4 4 4]

* 当ceil_mode = True时：

             0   0 | 0   0 | 0 ×
             1   1 | 1   1 | 1 ×
            ————————————
             2   2 | 2   2 | 2 ×
             3   3 | 3   3 | 3 ×
           —————————————
             4   4 | 4   4 | 4 ×
             × × | ×  ×| ××

    输出：
        [1 1 1
         3 3 3
         4 4 4]
    即：数据不足以构成2*2,仍然对剩余数据进行计算
* 当ceil_mode = False时：
       0   0 | 0   0 
       1   1 | 1   1 
       ————————
       2   2 |  2   2 
       3   3 |  3   3 
    输出:
        [1   1
         3  3]
    即：数据不足以构成2*2，舍弃