目录
- [1. pooling池化层](#1. pooling池化层)
-
- [1.1 down sample](#1.1 down sample)
- [2.2 Max pooling](#2.2 Max pooling)
- [1.3 Avg pooling](#1.3 Avg pooling)
- [1.3 pooling pytorch实现](#1.3 pooling pytorch实现)
- [2. up sample上采样](#2. up sample上采样)
-
- [2.1 up sample](#2.1 up sample)
- [2.2 pytorch实现](#2.2 pytorch实现)
- [3. ReLU](#3. ReLU)
1. pooling池化层
1.1 down sample
见下图,隔行隔列采样
2.2 Max pooling
下图采用2x2的filter,步长是2,找到每个窗口的最大值
1.3 Avg pooling
下图采用2x2的filter,步长是2,求每个窗口的平均值值
1.3 pooling pytorch实现
pooling在pytorch也有两种方法,一种是类方法nn.MaxPool2d,另一种是F.avg_pool2d
总结:池化层的作用就是下采样
2. up sample上采样
2.1 up sample
图像上采样类似下图
2.2 pytorch实现
上采样使用F.interpolate函数
scale_factor决定了上采样的倍数
mode参数是插值算法,具体见官方文档
3. ReLU
下图是ReLU前后的两张feature map
ReLu input>0时,out是个线性函数
input<0时,out = 0
从图中可以看出在ReLU的作用下,负值变为0
pytorch实现
ReLU在pytorch也有两种方法,一种是类方法nn.ReLU,另一种是F.relu