目錄
前言:
第1章 關于1維MaxPool1d、2維MaxPool2d、3維MaxPool3d的說明
第2章 MaxPool2d詳解
2.1 功能說明
2.2 MaxPool2d的本質
2.3 類原型
2.4 參數說明
前言:
本文是深度學習架構 pytorch 的API : torch.nn.MaxPool2d() 函數的用法。
本部落格介紹了 torch.nn.MaxPool2d() 各個參數的含義和用法,學會使用 pytorch 建立 卷積神經網絡。
參考:官方文檔和其它部落格。
第1章 關于1維MaxPool1d、2維MaxPool2d、3維MaxPool3d的說明
- MaxPool1d:輸入與輸出是一維資料
- MaxPool2d:輸入與輸出是二維資料
- MaxPool3d:輸入與輸出是三維資料
第2章 MaxPool2d詳解
2.1 功能說明
Pool層用于提取重要資訊的操作,可以去掉部分相鄰的資訊,減少計算開銷。
MaxPool在提取資料時,保留相鄰資訊中的最大值,去掉其他值。
2.2 MaxPool2d的本質
MaxPool2d本質是一個模闆類,其參數用于賦給構造函數,建立二維的Pool層 。
2.3 類原型
class torch.nn.MaxPool2d (kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
2.4 參數說明
- kernel_size (int or tuple) - max pooling核的大小。
- stride (int or tuple, optional) - max pooling視窗的移動步長。預設值是kernel_size,這樣就能夠起到成倍數的降采用的目的。
- padding(int or tuple, optional) - 輸入的每一條邊補充0的層數,主要用于邊緣處填充。
- dilation(int or tuple, optional) – max pool核中元素間的間隔。
- return_indices - 如果等于True,會傳回輸出最大值對應的序号序列。
- ceil_mode - 如果等于True,計算輸出資料大小的時候,會使用向上取整,代替預設的向下取整的操作