快捷方式

MaxPool2d

class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)[源代码]

对由多个输入平面组成的输入信号应用二维最大池化。

在最简单的情况下,具有输入大小 (N,C,H,W)(N, C, H, W) 的层的输出值,输出 (N,C,Hout,Wout)(N, C, H_{out}, W_{out})kernel_size (kH,kW)(kH, kW) 可以精确描述为

out(Ni,Cj,h,w)=maxm=0,,kH1maxn=0,,kW1input(Ni,Cj,stride[0]×h+m,stride[1]×w+n)\begin{aligned} out(N_i, C_j, h, w) ={} & \max_{m=0, \ldots, kH-1} \max_{n=0, \ldots, kW-1} \\ & \text{input}(N_i, C_j, \text{stride[0]} \times h + m, \text{stride[1]} \times w + n) \end{aligned}

如果 padding 不为零,则输入在两侧隐式填充负无穷大,填充点数为 paddingdilation 控制内核点之间的间距。 难以描述,但此 链接dilation 的作用进行了很好的可视化。

注意

当 ceil_mode=True 时,如果滑动窗口在左侧填充或输入内开始,则允许其超出边界。 从右侧填充区域开始的滑动窗口将被忽略。

参数 kernel_sizestridepaddingdilation 可以是

  • 单个 int – 在这种情况下,相同的值用于高度和宽度维度

  • 两个整数的 tuple – 在这种情况下,第一个 int 用于高度维度,第二个 int 用于宽度维度

参数
  • kernel_size (Union[int, Tuple[int, int]]) – 需要进行最大值运算的窗口大小

  • stride (Union[int, Tuple[int, int]]) – 窗口的步长。默认值为 kernel_size

  • padding (Union[int, Tuple[int, int]]) – 在两侧添加的隐式负无穷大填充

  • dilation (Union[int, Tuple[int, int]]) – 控制窗口中元素步长的参数

  • return_indices (bool) – 如果为 True,则将返回最大索引以及输出。 对后续的 torch.nn.MaxUnpool2d 有用

  • ceil_mode (bool) – 当为 True 时,将使用 ceil 而不是 floor 来计算输出形状

形状

  • 输入: (N,C,Hin,Win)(N, C, H_{in}, W_{in})(C,Hin,Win)(C, H_{in}, W_{in})

  • 输出: (N,C,Hout,Wout)(N, C, H_{out}, W_{out})(C,Hout,Wout)(C, H_{out}, W_{out}),其中

    Hout=Hin+2padding[0]dilation[0]×(kernel_size[0]1)1stride[0]+1H_{out} = \left\lfloor\frac{H_{in} + 2 * \text{padding[0]} - \text{dilation[0]} \times (\text{kernel\_size[0]} - 1) - 1}{\text{stride[0]}} + 1\right\rfloor
    Wout=Win+2padding[1]dilation[1]×(kernel_size[1]1)1stride[1]+1W_{out} = \left\lfloor\frac{W_{in} + 2 * \text{padding[1]} - \text{dilation[1]} \times (\text{kernel\_size[1]} - 1) - 1}{\text{stride[1]}} + 1\right\rfloor

示例

>>> # pool of square window of size=3, stride=2
>>> m = nn.MaxPool2d(3, stride=2)
>>> # pool of non-square window
>>> m = nn.MaxPool2d((3, 2), stride=(2, 1))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源