[Pytorch系列-32]：卷積神經網絡 - torch.nn.MaxPool2d() 用法詳解

 ​

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