神经网络汇聚层

最大汇聚层

汇聚窗口从输入张量的左上角开始，从左往右、从上往下的在输入张量内滑动。在汇聚窗口到达的每个位置，它计算该窗口中输入子张量的最大值或平均值。计算最大值或平均值是取决于使用了最大汇聚层还是平均汇聚层。

可以设定一个任意大小的矩形汇聚窗口，并分别设定填充和步幅的高度和宽

pool2d = nn.MaxPool2d((2, 3), stride=(2, 3), padding=(0, 1))

平均汇聚层

 nn.AvgPool2d(kernel_size=2, stride=2)

自适应平均池化层

nn.AdaptiveAvgPool2d()

这个层可以生成任意大小的输出特征图，而不需要指定池化窗口的大小。
你只需要指定输出特征图的尺寸（output_size），自适应池化层会自动计算池化窗口的大小和步长，以适应输入特征图的尺寸。
这种方式使得模型能够更好地适应不同尺寸的输入，同时保持输出尺寸的一致性。
自适应池化层特别适用于需要固定尺寸输出的场景，例如在处理不同分辨率的图像时，或者在将特征图送入全连接层之前。