深度学习笔记-池化层

Posted 2021-06-27 TIME0101

1池化层直接计算池化窗口内元素的最大值或者平均值。该运算也分别叫做最大池化或平均池化。在二维最大池化中，池化窗口从输入数组的最左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动。当池化窗口滑动到某一位置时，窗口中的输入子数组的最大值即输出数组中相应位置的元素。

例：最大池化层：
注：
（1）池化层一般位与卷积层之后，会缓解卷积层位置的敏感性，与卷积层一样有窗口大小，填充和步幅作为超参数。
（2）没有输出通道数的超参数。
（3）在多输入通道时，在每一个输入通道应用池化层以获得相应的输出通道
（4）输出通道数=输出通道数
（5）没有可学习的参数

代码实现：

import torch
from torch import nn

def pool2d(X, pool_size, mode='max'):
    X = X.float()
    p_h, p_w = pool_size
    Y = torch.zeros(X.shape[0] - p_h + 1, X.shape[1] - p_w + 1)
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            if mode == 'max':
                Y[i, j] = X[i: i + p_h, j: j + p_w].max()
            elif mode == 'avg':
                Y[i, j] = X[i: i + p_h, j: j + p_w].mean()       
    return Y