[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

前言:

第1章 关于1维MaxPool1d、2维MaxPool2d、3维MaxPool3d的说明

第2章 MaxPool2d详解

2.1 功能说明

2.2 MaxPool2d的本质

2.3 类原型

2.4 参数说明


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

[Pytorch系列-46]:卷积神经网络 - 用GPU训练ResNet+CIFAR100数据集

[Pytorch系列-35]:卷积神经网络 - 搭建LeNet-5网络与CFAR10分类数据集