pytorch笔记：torch.nn.MaxPool2d
1 基本用法
class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)2 參數(shù)詳解
| kernel_size | ????????最大池化窗口的大小，類型為int 或者元組， ????????當(dāng)最大池化窗口是方形的時(shí)候，只需要一個(gè)整數(shù)邊長即可；最大池化窗口不是方形時(shí)，要輸入一個(gè)元組表示 高和寬?！颈剡x】 ????????每次將輸入池化操作的kernel_size大小的內(nèi)容進(jìn)行最大池化操作得到一個(gè)結(jié)果 |
| stride | 最大池化窗口每次滑動(dòng)的步長為多少，默認(rèn)是 kernel_size【可選】 以kernel_size為1為例，會(huì)有： 這一輪考慮的是a[i][j],下一輪考慮的就是a[i][j+stride] |
| padding | 設(shè)置在所有邊界增加 值為 0 的邊距的大小（也就是在feature map 外圍增加幾圈 0 ） 例如當(dāng) padding =1 的時(shí)候，如果原來大小為 3 × 3 ，那么之后的大小為 5 × 5 。即在外圍加了一圈 0 ?！究蛇x】 padding的作用是為了維護(hù)輸出的維度 |
| dilation | 控制最大池化窗口之間的間距【可選】 如果我們設(shè)置的dilation=0的話，效果如圖：（藍(lán)色為輸入，綠色為輸出，最大池化窗口為3 × 3） 如果設(shè)置的是dilation=1，那么效果如圖：（藍(lán)色為輸入，綠色為輸出，最大池化窗口卷積核仍為 3 × 3 。） |
| ceil_mode | 如果等于True，計(jì)算輸出信號(hào)大小的時(shí)候，會(huì)使用向上取整，代替默認(rèn)的向下取整的操作 |
3 輸入輸出形狀
假設(shè)輸入形狀為：，輸出形狀為：
(batchsize, channel, height, width)
那么，根據(jù)MaxPool2d的參數(shù)，我們有：
《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀總結(jié)
以上是生活随笔為你收集整理的pytorch笔记：torch.nn.MaxPool2d的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 机器学习笔记：误差的来源（bias v
- 下一篇： 机器学习笔记：ResNet 及残差连接