神经网络--最大池化的使用

MaxPool2dMaxPool2d：在由多个输入平面组成的输入信号上应用 2D 最大池化
最大池化后数据量大大减少，训练速度增加
代码实战：

import torch
from torch import nn
from torch.nn import MaxPool2d

#将列表数据转换为浮点型
input = torch.tensor([[1, 2, 0, 3, 1],
                      [0, 1, 2, 3, 1],
                      [1, 2, 1, 0, 0],
                      [5, 2, 3, 1, 1],
                      [2, 1, 0, 1, 1]], dtype=torch.float32)

input = torch.reshape(input, (-1, 1, 5, 5))

class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()

        #kernel_size：最大的窗口大小 3：3×3
        #ceil_mode：如果为 True，将使用ceil而不是floor来计算输出形状
        #ceil是向上取整（保留），floor是向下取整（舍去），默认为ceil_mode=False
        #当 ceil_mode=True 时，如果滑动窗口从左侧填充或输入中开始，则允许它们越界。将在右侧填充区域开始的滑动窗口将被忽略
        self.maxpool1 = MaxPool2d(kernel_size=3, ceil_mode=True)

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

test1 = Test()
output = test1(input)
print(output)

当ceil_mode=True时，结果：

tensor([[[[2., 3.],
          [5., 1.]]]])

当ceil_mode=False时，结果：

tensor([[[[2.]]]])

CIFAR10数据集的操作：

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10("../data", train=False, download=True, transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset, batch_size=64)

#将列表数据转换为浮点型
input = torch.tensor([[1, 2, 0, 3, 1],
                      [0, 1, 2, 3, 1],
                      [1, 2, 1, 0, 0],
                      [5, 2, 3, 1, 1],
                      [2, 1, 0, 1, 1]], dtype=torch.float32)

input = torch.reshape(input, (-1, 1, 5, 5))

class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()

        #MaxPool2dMaxPool2d：在由多个输入平面组成的输入信号上应用 2D 最大池化
        #kernel_size：最大的窗口大小 3：3×3
        #ceil_mode：如果为 True，将使用ceil而不是floor来计算输出形状
        #ceil是向上取整（保留），floor是向下取整（舍去），默认为ceil_mode=False
        #当 ceil_mode=True 时，如果滑动窗口从左侧填充或输入中开始，则允许它们越界。将在右侧填充区域开始的滑动窗口将被忽略
        self.maxpool1 = MaxPool2d(kernel_size=3, ceil_mode=False)

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

test1 = Test()

writer = SummaryWriter("logs_maxpool")
step = 0

for data in dataloader:
    imgs, targets = data
    writer.add_images("input", imgs, step)
    output = test1(imgs)
    writer.add_images("output", output, step)
    step = step + 1

writer.close()

Terminal中开启端口：

tensorboard --logdir="logs_maxpool" --port=6007