- Max_Pool模块通常接在卷积层(convolutional layer)后面,用于提取输入特征图中的最显著的特征,忽略一些细节信息。 最大值池化:一种降低图像数据维度的方法,可以提高计算效率和抽象能力 原理:在一个固定大小的窗口内,选取窗口内的最大值作为输出 参数:窗口大小为(2x2)、步长(2)、无填充 示例: 输入特征图:[123456...
import torch.nn as nn # Define the MaxPool2d layer max_pool = nn.MaxPool2d(kernel_size=2, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)# Example input tensor input_tensor = torch.randn(1, 1, 4, 4) # Shape: [batch_size, channels, height, width]# ...
若为一个整数,则它的平方值将作为池化核大小,比如若pool_size=2, 则池化核大小为2x2。 stride (int|list|tuple):池化层的步长。如果它是一个元组或列表,它将包含两个整数,(pool_stride_Height, pool_stride_Width)。若为一个整数,则表示H和W维度上stride均为该值。默认值为kernel_size. padding (string|...
-最大池化层是一种常用的池化层(Pooling Layer),它的作用是对输入的特征图(Feature Map)进行降维压缩,以加快运算速度,减少参数数量,防止过拟合,提高模型的尺度不变性和旋转不变性 。-最大池化层的原理是:在前向传播过程中,对每个特征图的区域(通常是2x2或3x3的窗口),选择其中的最大值作为该区域池化后的值;在...