一个网站的页头大概做多大,wordpress登陆死循环,做app和做网站哪个容易,购物网站app制作池化#xff08;最大池化层#xff1a;选每个kernel中最大的数#xff09;
填充、步幅、多个通道#xff1a; 池化层与卷积层类似#xff0c;都具有填充和步幅。 没有可学习的参数。 在每个输入通道应用池化层以获得相应的输出通道。 输出通道数输入通道数。
平均池化层…池化最大池化层选每个kernel中最大的数
填充、步幅、多个通道 池化层与卷积层类似都具有填充和步幅。 没有可学习的参数。 在每个输入通道应用池化层以获得相应的输出通道。 输出通道数输入通道数。
平均池化层将最大池化层中的最大数替换为平均数
总结 池化层返回窗口中最大或平均值。 主要作用时缓解卷积层位置敏感性。 同样有窗口大小填充步幅作为超参数。
import torch
from torch import nndef pool2d(X, pool_size, modemax):X X.float()p_h, p_w pool_sizeY torch.zeros(X.shape[0] - p_h 1, X.shape[1] - p_w 1)for i in range(Y.shape[0]):for j in range(Y.shape[1]):if mode max:Y[i, j] X[i: i p_h, j: j p_w].max()elif mode avg:Y[i, j] X[i: i p_h, j: j p_w].mean()return YX torch.tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
print(pool2d(X, (2, 2)))print(pool2d(X, (2, 2), avg))#填充和步幅X torch.arange(16, dtypetorch.float).view((1, 1, 4, 4))
print(X)pool2d nn.MaxPool2d(3)#只输出一个10池化的窗口和步幅都是3所以只输出一个值不重叠
print(pool2d(X))pool2d nn.MaxPool2d(3, padding1, stride2)#手动调整
print(X)
print(pool2d(X))
#也可以指定非正方形的池化窗口并分别指定高和宽上的填充和步幅。
pool2d nn.MaxPool2d((2, 4), padding(1, 2), stride(2, 3))
print(pool2d(X))#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。
X torch.cat((X, X 1), dim1)
print(X)pool2d nn.MaxPool2d(3, padding1, stride2)
print(pool2d(X))#输出还是2
