个人备案域名做企业网站,ui设计的优势与不足,院内设计,wordpress备份到网盘了解池化层 池化层又称“下采样层”或“子采样层”#xff0c;池化层可以大大降低特征的维度#xff0c;减少计算量#xff0c;同时可以避免过拟合问题。 顾名思义#xff0c;最大池化层就是从输入的矩阵中某一范围内#xff0c;选择最大的元素进行保留#xff1b;平均池…了解池化层 池化层又称“下采样层”或“子采样层”池化层可以大大降低特征的维度减少计算量同时可以避免过拟合问题。 顾名思义最大池化层就是从输入的矩阵中某一范围内选择最大的元素进行保留平均池化层就是将输入的矩阵中某一范围内的数求平均值再进行保留最小池化层是从输入的矩阵中某一范围内选择最小的元素进行保留。 这里需要注意的一点是池化层对每个输入通道分别池化而不是像卷积层那样将各通道的输入按通道相加这意味着池化层的输出通道数与输入通道数相等。
池化层的参数 池化层常见的有三种最大池化层、平均池化层以及最小池化层。常用的为最大池化层。 池化层参数主要有两个一个是池化层的形状另一个是池化层的步幅。当然池化层也支持填充。 例如上图中就是最大池化层形状大小为2∗2步幅为2。
如何调用 Pytorch 中的池化层 nn.MaxPool2d()就是最大池化层常用的有三个参数kernel_size、stride以及padding和卷积层的含义相同不多做赘述。
nn.MaxPool2d(2, 2) # kernel_sizestride
