一、Pooling layers

Pooling layers官網文檔

MaxPool最大池化層下采樣
MaxUnpool最大池化層上采樣
AvgPool最大池化層平均采樣

例如：池化核為(3,3)，輸入圖像為(5,5)，步長為1，不加邊
最大池化就是選出在池化核為單位圖像中的最大的值

二、MaxPool2d

torch.nn.MaxPool2d官網API
torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

參數	解釋
kernel_size	池化核的大小
stride	池化核移動時的步長，默認值為kernel_size
padding	是否對原圖像進行加邊操作
dilation	池化核映射到圖像上每個池化核單元是否有距離，又稱空洞池化或空洞卷積
return_indices
ceil_mode	True時，使用ceil模式(2.31取2，向下取整，舍去小數，保留邊緣剩余數據)；False時使用floor模式，默認為False (2.31取3，向上取整，整數加一，舍去邊緣剩余數據)

三、代碼實操

對一個(5,5)的數據進行(kernel_size=3)池化核為(3,3)，步長(stride)沒傳 默認為池化核大小(kernel_size=3)為3，padding也沒傳參默認為0表示不加邊，ceil_mode=True保留邊緣剩余數據
MaxPool2d(kernel_size=3,ceil_mode=True)
通過池化層處理之后，輸出一個結果為二維tensor[[5,5],[5,5,]]

import torch
from torch import nn
from torch.nn import MaxPool2dinput = torch.tensor([[1,2,3,4,5],[5,4,3,2,1],[1,2,3,4,5],[5,4,3,2,1],[1,2,3,4,5]],dtype=torch.float32)
#RuntimeError: "max_pool2d" not implemented for 'Long'  需要將數據進行轉換dtype=torch.float32input = torch.reshape(input,(-1,1,5,5))print(input.shape)#torch.Size([1, 1, 5, 5])class Beyond(nn.Module):def __init__(self):super(Beyond,self).__init__()self.maxpool_1 = MaxPool2d(kernel_size=3,ceil_mode=True)def forward(self,input):output = self.maxpool_1(input)return outputbeyond = Beyond()
output = beyond(input)
print(output)
"""
tensor([[[[5., 5.],[5., 5.]]]])
"""

四、池化層意義

保留輸入圖像的特征，同時把數據量給減小
(5,5)的圖像，經過池化層就會變成(3,3)甚至(1,1)
數據量的減小對于神經網絡而言，參數少了，訓練的速度會更快

五、通過池化層處理CIFAR-10數據集

對CIFAR10的1w張測試集數據進行(kernel_size=3)池化核為(3,3)，步長(stride)沒傳 默認為池化核大小(kernel_size=3)為3，padding也沒傳參默認為0表示不加邊，ceil_mode=True保留邊緣剩余數據
MaxPool2d(kernel_size=3,ceil_mode=True)

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset_test = torchvision.datasets.CIFAR10("CIFAR_10",train=False,transform=torchvision.transforms.ToTensor(),download=True)dataloader = DataLoader(dataset=dataset_test,batch_size=64)#64張為一組class Beyond(nn.Module):def __init__(self):super(Beyond,self).__init__()self.maxpool_1 = MaxPool2d(kernel_size=3,ceil_mode=True)def forward(self,input):output = self.maxpool_1(input)return outputbeyond = Beyond()
writer = SummaryWriter("y_log")i=0
for data in dataloader:imgs,targets = datawriter.add_images("input_maxpool",imgs,i)output = beyond(imgs)writer.add_images("output_maxpool",output,i)i = i + 1writer.close()

在Terminal下運行tensorboard --logdir=y_log --port=7870，logdir為打開事件文件的路徑，port為指定端口打開；
通過指定端口7870進行打開tensorboard，若不設置port參數，默認通過6006端口進行打開。

點擊該鏈接或者復制鏈接到瀏覽器打開即可