深度学习（九）——神经网络：最大池化的作用

一、 torch.nn中Pool layers的介绍

官网链接：

https://pytorch.org/docs/stable/nn.html#pooling-layers

1. nn.MaxPool2d介绍

nn.MaxPool2d是在进行图像处理时，Pool layers最常用的函数

官方文档：MaxPool2d — PyTorch 2.0 documentation

（1）torch.nn.MaxPool2d类

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

（2）参数介绍

• kernel_size(int or tuple): 用于设置一个取最大值的窗口，如设置为3，那么会生成一个3×3的窗口

• stride(int or tuple): 默认值为kernel_size，步幅，和卷积层中的stride一样

• padding(int or tuple): 填充图像，默认填充的值为0

• dilation(int): 空洞卷积，即卷积核之间的距离。如卷积核的尺寸为3×3，dilation为1，那么返回一个大小为5×5的卷积核，卷积核每个元素与上下左右的元素之间空一格

• return_indices(bool): 一般用的很少，不做介绍

• ceil_mode(bool): 默认为False。为True时，输出的shape使用_ceil_格式（向上取整，即进一）；为False时，输出的shape使用_floor_格式（向下取整）。

二、最大池化操作

1. 最大池化操作举例（理论介绍）

假设有一个5×5的图像和一个3×3的池化核（kenel_size=3），如下图。池化过程就是将池化核与图像进行匹配。下面介绍最大池化的具体操作。

• 首先用池化核覆盖图像，如下图。然后取到最大值，作为一个输出。
  

• 上图为第一次最大池化操作，最大值为2。将2作为一个输出，如下图。
  

• 由于本例未对stride进行设置，故stride采取默认值，即_stride=kernel_size=3_，池化核移动如下图（移动方式与上上文中提到的卷积核移动方式相同，不再赘述）。由于池化核移动已超出范围，要不要取这3×2部分的最大值，取决于call_mode的值，若_ceil_mode=True_，则取最大值，即输出3；若_ceil_mode=False_，则不取这部分的值，即这一步不进行池化操作。
  

  • 假设_ceil_mode=True_，经过最大池化操作后，输出的结果如下图。
    

  • 假设_ceil_mode=False_，经过最大池化操作后，输出的结果如下图。
    

2. 操作前后的图像大小计算公式

跟卷积操作的计算公式