超级会员免费看
本博客介绍了Pytorch中的池化操作，包括最大池化和平均池化。通过池化层，可以对卷积层的特征图进行聚合统计，以压缩数据量。文章详细讲解了MaxPool和AvgPool的函数定义、参数说明及应用示例，并给出了编程任务和测试要求。
有偿提供CS的人工智能/网络空间安全方向的大学生课程设计、算法设计、项目设计的思路及实现指导；竞赛PPT、项目申报书等撰写润色等。
本关将介绍神经网络的另外一个特殊的定义——池化层。在神经网络中，池化层往往跟在卷积层后面。通过平均池化或者最大池化的方法将之前卷基层得到的特征图做一个聚合统计，从而达到压缩数据量的目的。
任务描述
本关任务：
本关提供了一个Variable 类型的变量x，要求按照条件创建一个Conv2d变量conv，一个MaxPool2d变量pool，对x应用卷积和最大池化操作并赋值给变量outpout_pool，并输出outpout_pool 的大小。
相关知识
Pytorch 中池化分为两种：
- 最大池化
MaxPool - 平均池化
AvgPool
MaxPool
| MaxPool | 描述 |
|---|---|
| MaxPool1d | 对输入信号应用1维最大池化操作 |
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
