[Pytorch系列-32]:卷积神经网络 - torch.nn.MaxPool2d() 用法详解
Posted 文火冰糖的硅基工坊
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[Pytorch系列-32]:卷积神经网络 - torch.nn.MaxPool2d() 用法详解相关的知识,希望对你有一定的参考价值。
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/121053578
目录
第1章 关于1维MaxPool1d、2维MaxPool2d、3维MaxPool3d的说明
前言:
本文是深度学习框架 pytorch 的API : torch.nn.MaxPool2d() 函数的用法。
本博客介绍了 torch.nn.MaxPool2d() 各个参数的含义和用法,学会使用 pytorch 创建 卷积神经网络。
参考:官方文档和其它博客。
第1章 关于1维MaxPool1d、2维MaxPool2d、3维MaxPool3d的说明
- MaxPool1d:输入与输出是一维数据
- MaxPool2d:输入与输出是二维数据
- MaxPool3d:输入与输出是三维数据
第2章 MaxPool2d详解
2.1 功能说明
Pool层用于提取重要信息的操作,可以去掉部分相邻的信息,减少计算开销。
MaxPool在提取数据时,保留相邻信息中的最大值,去掉其他值。
2.2 MaxPool2d的本质
MaxPool2d本质是一个模板类,其参数用于赋给构造函数,创建二维的Pool层 。
2.3 类原型
class torch.nn.MaxPool2d (kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
2.4 参数说明
-
kernel_size (int or tuple) - max pooling核的大小。
-
stride (int or tuple, optional) - max pooling窗口的移动步长。默认值是kernel_size,这样就能够起到成倍数的降采用的目的。
-
padding(int or tuple, optional) - 输入的每一条边补充0的层数,主要用于边缘处填充。
-
dilation(int or tuple, optional) – max pool核中元素间的间隔。
-
return_indices - 如果等于True,会返回输出最大值对应的序号序列。
-
ceil_mode - 如果等于True,计算输出数据大小的时候,会使用向上取整,代替默认的向下取整的操作
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/121053578
以上是关于[Pytorch系列-32]:卷积神经网络 - torch.nn.MaxPool2d() 用法详解的主要内容,如果未能解决你的问题,请参考以下文章
[Pytorch系列-50]:卷积神经网络 - FineTuning的统一处理流程与软件架构 - Pytorch代码实现
[Pytorch系列-49]:卷积神经网络 - 迁移学习的统一处理流程与软件架构 - Pytorch代码实现
[Pytorch系列-31]:卷积神经网络 - torch.nn.Conv2d() 用法详解
[Pytorch系列-45]:卷积神经网络 - 用GPU训练AlexNet+CIFAR10数据集