分数最大池化2d

class torch.nn.FractionalMaxPool2d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

对由多个输入平面组成的输入信号应用 2D 分数最大池化。

分数最大池化在 Ben Graham 的论文 分数最大池化 中进行了详细描述

最大池化操作应用于 $kH \times kW$ 区域，步长大小由目标输出大小随机确定。输出特征的数量等于输入平面的数量。

注意

output_size 或 output_ratio 必须且只能定义一个。

参数

• kernel_size (Union[int, Tuple[int, int]]) – 要进行最大运算的窗口大小。可以是单个数字 k（对于 k x k 的方形内核）或元组 (kh, kw)

• output_size (Union[int, Tuple[int, int]]) – 图片目标输出大小，格式为 oH x oW。可以是元组 (oH, oW) 或单个数字 oH，表示正方形图像 oH x oH。请注意，我们必须满足 $kH + oH - 1 <= H_{in}$ 和 $kW + oW - 1 <= W_{in}$.

• output_ratio (Union[float, Tuple[float, float]]) – 如果想要输出大小为输入大小的比例，可以使用此选项。此选项必须是范围 (0, 1) 内的数字或元组。请注意，我们必须满足 $kH + (output\_ratio\_H * H_{in}) - 1 <= H_{in}$ 和 $kW + (output\_ratio\_W * W_{in}) - 1 <= W_{in}$.

• return_indices (bool) – 如果为 True，将返回索引以及输出。用于传递给 nn.MaxUnpool2d()。默认值：False

形状

• 输入：$(N, C, H_{in}, W_{in})$ 或 $(C, H_{in}, W_{in})$.

• 输出：$(N, C, H_{out}, W_{out})$ 或者 $(C, H_{out}, W_{out})$，其中 $(H_{out}, W_{out})=\text{output\_size}$ 或者 $(H_{out}, W_{out})=\text{output\_ratio} \times (H_{in}, W_{in})$.

示例

>>> # pool of square window of size=3, and target output size 13x12
>>> m = nn.FractionalMaxPool2d(3, output_size=(13, 12))
>>> # pool of square window and target output size being half of input image size
>>> m = nn.FractionalMaxPool2d(3, output_ratio=(0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)