【Pytorch】9.torch.nn.MaxPool2d

已于 2024-05-15 16:40:10 修改
阅读量331 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Pytorch 文章标签： pytorch 深度学习 人工智能
于 2024-05-15 14:53:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Elephant_King/article/details/138908570

什么是MaxPool2d

是对二维矩阵进行池化层下采样的方法

MaxPool2d的用法

在这里插入图片描述
在这里插入图片描述
相较于卷积层，多出来的参数为ceil_mode
这个参数代表，如果所剩的部分不够卷积核的大小，要不要进行池化操作

具体代码为

import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10(ro
最低0.47元/天 解锁文章

200万优质内容无限畅学
【Python深度学习】零基础掌握Pytorch Pooling layers nn.MaxPool方法
Mr数据杨
01-31 305
通过本文的探索，可以看到nn.MaxPool1d、nn.MaxPool2d和nn.MaxPool3d在PyTorch中的作用和应用。这些层帮助简化了数据处理的过程，同时保留了最重要的信息。无论是一维的声音信号，二维的图像，还是三维的医学图像或视频数据，Max Pooling层都能有效地提取关键特征，从而帮助在各种复杂的数据分析任务中取得成功。从历史的故事到现代的应用，无论在哪个领域，这些技术的应用都显著提升了处理速度和效率，同时也为打开了深度学习和人工智能更广阔的应用前景。
深度学习之pytorch 中 torch.nn介绍
qinbaby的专栏
02-20 2575
pytorch 中必用的包就是 torch.nn，torch.nn 中按照功能分，主要如下有几类：1. Layers（层）：包括全连接层、卷积层、池化层等。2. Activation Functions（激活函数）：包括ReLU、Sigmoid、Tanh等。3. Loss Functions（损失函数）：包括交叉熵损失、均方误差等。4. Optimizers（优化器）：包括SGD、Adam、RMSprop等。
pytorch中池化层MaxPool2d函数
qq_24503095的博客
12-21 2万+
对于输入信号的输入通道，提供2维最大池化（max pooling）操作 class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False) 参数kernel_size，stride, padding，dilation数据类型： 可以是一个i...
pytorch——MaxPool2d（最大池化）
xinxin的博客
08-09 1553
ceil_mode：若该参数取值为True，则在计算输出图像形状时会使用ceil模式而不是floor模式。最大池化操作的过程是，在匹配后的框中寻找最大的数。假设stride取值为默认值，即池化核的尺寸大小，则池化核需要移动三个步长。dilation：一个参数，用于控制窗口中元素的步幅。return_indices：该参数不经常使用，不作过多了解。ceil_mode = True时的代码如下所示。stride：池化核的步长，默认值为池化核的尺寸。kernel_size：池化核的尺寸大小。
【PyTorch】nn.MaxPool2d函数详解
See_Star的博客
10-28 1万+
nn.MaxPool2d函数详解
Pytorch学习：MaxPool2d
m0_61384227的博客
11-18 577
在PyTorch中，
Pytorch MaxPool2d
comeonow的博客
08-07 5859
先说说nn.functional和nn：只调用函数的话，其实是一回事。 再说说我学nn.MaxPool2d时遇到的问题： import torch import torch.nn as nn m=nn.MaxPool2d(3,stride=2) input=torch.randn(6,6) output=m(input) 然后就会报这个错： RuntimeError: non-empty 3D or 4D (batch mode) tensor expected for input 我寻思这不是max
PyTorch学习之torch.nn.Conv2d函数
qq_46396470的博客
06-30 3570
是 PyTorch 中用于实现二维卷积层的类，这个类可以说是对的进一步封装，使其使用起来更加的傻瓜式。
【Pytorch】8.torch.nn.conv2d
Elephant_King的博客
05-14 415
这个函数和我们之前提到的的作用相似，都是完成操作，这里就不在过多赘述。
Pytorch 之torch.nn初探 torch.nn.Module与线性--Linear layers
weixin_50917576的博客
04-19 1306
神经网络可以使用torch.nn包构建。它提供了几乎所有与神经网络相关的功能，例如： 线性图层 nn.Linear，nn.Bilinear 卷积层 nn.Conv1d，nn.Conv2d，nn.Conv3d，nn.ConvTranspose2d 非线性 nn.Sigmoid，nn.Tanh，nn.ReLU，nn.LeakyReLU 池化层 nn.MaxPool1d，nn.AveragePool2d Recurrent网络 nn.LSTM，nn.GRU 标准化 nn.BatchNorm2d ...
浅谈pytorch池化maxpool2D注意事项
09-17
今天小编就为大家分享一篇浅谈pytorch池化maxpool2D注意事项，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pytorch上下采样函数--interpolate用法
09-16
主要介绍了Pytorch上下采样函数--interpolate用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
torch.nn.MaxPool2d详解
热门推荐
Medlen
11-22 9万+
注意：这里展示的是本篇博文写时的版本最新的实现，但是后续会代码可能会迭代更新，建议对照官方文档进行学习。 先来看源码： # 这个类是是许多池化类的基类，这里有必要了解一下 class _MaxPoolNd(Module): __constants__ = ['kernel_size', 'stride', 'padding', 'dilation', 'return_indices', 'ceil_mode'] return_indices: boo
torch.nn.MaxPool2d介绍——Pytorch中的二维最大池化层
weixin_70673823的博客
04-03 1061
torch.nn.MaxPool2d介绍——Pytorch中的二维最大池化层
【pytorch】torch.nn.MaxPool2d详解与尺寸计算
sazass的博客
07-07 1万+
torch.nn.MaxPool2d 功能： MaxPool 最大池化层，池化层在卷积神经网络中的作用在于特征融合和降维。池化也是一种类似的卷积操作，只是池化层的所有参数都是超参数，是学习不到的。 作用： maxpooling有局部不变性而且可以提取显著特征的同时降低模型的参数，从而降低模型的过拟合。只提取了显著特征，而舍弃了不显著的信息，是的模型的参数减少了，从而一定程度上可以缓解过拟合的产生。 函数原型： nn.MaxPool2d(kernel_size, stride, padding=1, dila
PyTorch 中池化层MaxPool2d
深之JohnChen的专栏
04-02 556
在 PyTorch 中，池化层（Pooling Layer）是卷积神经网络（CNN）中的重要组成部分，主要用于。PyTorch 提供了多种池化操作，包括最大池化、平均池化、自适应池化等。：自动调整输出尺寸，适用于输入尺寸不固定的情况。：提取局部区域的最大值，保留最显著的特征。：计算局部区域的平均值，适用于平滑特征。：常用于 CNN 最后一层，减少参数量。：提取最显著特征，适用于分类任务。：平滑特征，适用于回归或语义分割。：适用于输入尺寸不固定的情况。：图像分类、目标检测等。：图像分类、语义分割等。
Pytorch笔记12 最大池化操作— MaxPool2d
weixin_52371260的博客
04-11 531
初识MaxPool2d
【PyTorch】教程：torch.nn.maxpool2d
03-02 580
2D 最大池化；
Torch 池化操作大全 MaxPool2d MaxUnpool2d AvgPool2d FractionalMaxPool2d LPPool2d AdaptivePool2d dilation详解
Philo的博客
11-13 6093
从torch官网看，针对图片，有这7中池化操作，大概分为最大池化类，平均池化类，杂类最大池化实现有四种方式，MaxPool2d，可以设置k，s，p，但是不能设置输出大小，输出大小是计算好的；FractionalMaxPool2d，可以设置k，和输出大小，单数s和p不能设置；AdaptiveMaxPool2d,只能设置输出大小，其余的都设置不了；LPPool2d，这个纯属特列才可以使用，并且特例中的功能还是MaxPool2d的阉割版；除了LPPool2d,其余逐步自由化，增加了网络设置的随机性；
torch.nn.MaxPool2d返回值
最新发布
07-20
[^2]: PyTorch 官方文档: [torch.nn.functional.max_pool2d](https://pytorch.org/docs/stable/generated/torch.nn.functional.max_pool2d.html)</think>### `torch.nn.MaxPool2d` 返回值详解 `torpool2d` 的返回值...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值