【pytorch】pytorch入门5：最大池化层（Pooling layers ）
前言
使用 B站小土堆课程
一、定义概念 + 缩写
- 池化（Pooling）是深度学习中常用的一种操作，用于降低卷积神经网络（CNN）或循环神经网络（RNN）中的特征图的维度。池化操作的基本思想是将特征图划分为若干个子区域，然后对每个子区域进行统计汇总，常见的池化操作有最大池化和平均池化。
二、参数
-
kernel_size, 卷积核大小
-
stride, 步
-
padding, 填充
-
dilation, 扩张（卷积核的错开）- github 的 conv_arithmetic [1]
-
ceil_mode: floor & ceiling
三、最大池化操作
- 最大池化操作是一种池化（即降维）的操作，其具体操作方法是取池化核内的最大值
- 类比：1080p 的视频变成 720p
- 对左边矩阵以中间的池化核进行池化，得到右边的矩阵
- Ceil_model == False
-
- Ceil_model == True
- Ceil_model == True
- 池化结果
四、使用步骤
python代码块
matlab代码块
c代码块
总结
参考文献
[1] https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md
原文地址：https://blog.csdn.net/tsumikistep/article/details/142661094
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！