Pytorch 学习 - 9.池化层

先掌握pytorch，学好pytorch,  才能学好人工智能

名词解释

在卷积神经网络中，池化层（Pooling Layer）是一种重要的层，主要用于减少特征图的空间尺寸，从而降低计算量、减少过拟合风险并提取更抽象的特征。

一、主要类型

1. 最大池化（Max Pooling）：

   • 原理：对于给定的输入区域，取该区域中的最大值作为输出。
   • 示例：假设有一个 2x2 的输入区域 [[1, 3], [4, 2]]，经过最大池化后，输出为 4，因为 4 是这个区域中的最大值。
   • 优点：能够提取输入特征中的最显著特征，对输入的微小变化具有一定的鲁棒性。
   • 应用场景：常用于图像识别等任务中，帮助提取图像中的关键特征，如物体的边缘和纹理。
   • nn.MaxPool2d是用于执行二维最大池化操作的类。

   nn.MaxPool2d（）

   1. kernel_size：池化窗口的大小，可以是一个整数表示正方形窗口的边长，也可以是一个元组(h, w)表示高度和宽度不同的窗口。
   2. stride：池化窗口的移动步长，可以是一个整数或一个元组。默认值与kernel_size相同。
   3. padding：在输入特征图的边缘填充的大小，可以是一个整数或一个元组。默认值为 0。