【pytorch】pytorch入门5：最大池化层（Pooling layers ）

---

---

前言

使用 B站小土堆课程

---

一、定义概念 + 缩写

• 池化（Pooling）是深度学习中常用的一种操作，用于降低卷积神经网络（CNN）或循环神经网络（RNN）中的特征图的维度。池化操作的基本思想是将特征图划分为若干个子区域，然后对每个子区域进行统计汇总，常见的池化操作有最大池化和平均池化。

二、参数

• torch.nn.MaxPool2d

---

---

• kernel_size, 卷积核大小

• stride, 步

• padding, 填充

• dilation, 扩张（卷积核的错开）- github 的 conv_arithmetic [1]
  

• ceil_mode: floor & ceiling
  

三、最大池化操作

• 最大池化操作是一种池化（即降维）的操作，其具体操作方法是取池化核内的最大值
• 类比：1080p 的视频变成 720p

---

• 对左边矩阵以中间的池化核进行池化，得到右边的矩阵
  
• Ceil_model == False
• • Ceil_model == True
    
• 池化结果
  
  

---

四、使用步骤

python代码块

matlab代码块

c代码块

---

总结

---

参考文献

[1] https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md