【PyTorch】教程：torch.nn.maxpool2d

最新推荐文章于 2024-03-16 21:51:55 发布

黄金旺铺

最新推荐文章于 2024-03-16 21:51:55 发布

阅读量488

点赞数

分类专栏： PyTorch 文章标签： pytorch 深度学习 python

by: JW

本文链接：https://blog.csdn.net/zhoujinwang/article/details/129290314

版权

PyTorch 专栏收录该内容

46 篇文章 10 订阅

订阅专栏

torch.nn.MaxPool2d

CLASS torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

2D 最大池化；
输入 $(N, C, H, W)$ , 输出 $N, C, H_{out}, W_{out})$ kernel_size $(k H, kW)$

$\begin{aligned} out(N_i, C_j, h, w) ={} & \max_{m=0, \ldots, kH-1} \max_{n=0, \ldots, kW-1} \\ & \text{input}(N_i, C_j, \text{stride[0]} \times h + m, \text{stride[1]} \times w + n) \end{aligned}$

参数

kernel_size (Union [ int, Tuple [int, int]] ) – 池化窗口大小
stride (Union [ int, Tuple [int, int]]) – 滑动步长，默认为 kernel_size
padding (Union [ int, Tuple [int, int]]) – 扩边
dilation (Union [ int, Tuple [int, int]]) – 控制窗口中元素的步长
return_indices ([bool]) - 如果为 True, 返回最大值和索引；
ceil_mode ([bool]) – 如果为 True, 使用 ceil 代替 floor 计算输出形状

形状

Input: $N, C, H_{in}, W_{in})$ or $C, H_{in}, W_{in})$
Output: $N, C, H_{out}, W_{out})$ or $C, H_{out}, W_{out})$ 其中
$kernel_size[0] − 1 ) − 1 stride[0] + 1 ⌋ H_{out} = \left\lfloor\frac{H_{in} + 2 * \text{padding[0]} - \text{dilation[0]} \times (\text{kernel\_size[0]} - 1) - 1}{\text{stride[0]}} + 1\right\rfloor$
$kernel_size[1] − 1 ) − 1 stride[1] + 1 ⌋ W_{out} = \left\lfloor\frac{W_{in} + 2 * \text{padding[1]} - \text{dilation[1]} \times (\text{kernel\_size[1]} - 1) - 1}{\text{stride[1]}} + 1\right\rfloor$

示例

# pool of square window of size=3, stride=2
m = nn.MaxPool2d(3, stride=2)
# pool of non-square window
m = nn.MaxPool2d((3, 2), stride=(2, 1))
input = torch.randn(20, 16, 50, 32)
output = m(input)
print(output.size()) # torch.Size([20, 16, 24, 31])