【pytorch】pytorch入门5:最大池化层(Pooling layers )


文章目录


前言

使用 B站小土堆课程


一、定义概念 + 缩写

  • 池化(Pooling)是深度学习中常用的一种操作,用于降低卷积神经网络(CNN)或循环神经网络(RNN)中的特征图的维度。池化操作的基本思想是将特征图划分为若干个子区域,然后对每个子区域进行统计汇总,常见的池化操作有最大池化和平均池化。

二、参数



  • kernel_size, 卷积核大小

  • stride, 步

  • padding, 填充

  • dilation, 扩张(卷积核的错开)- github 的 conv_arithmetic [1]

  • ceil_mode: floor & ceiling

三、最大池化操作

  • 最大池化操作是一种池化(即降维)的操作,其具体操作方法是取池化核内的最大值
  • 类比:1080p 的视频变成 720p

  • 对左边矩阵以中间的池化核进行池化,得到右边的矩阵
  • Ceil_model == False
    • Ceil_model == True
  • 池化结果


四、使用步骤

py 复制代码
python代码块
matlab 复制代码
matlab代码块
c 复制代码
c代码块

总结


参考文献

1\] https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md

相关推荐
AI码上来6 分钟前
小智Pro:给小智装上眼睛,无需设备摄像头,MCP实现
人工智能
诚思报告YH8 分钟前
肽类治疗药物市场洞察:2026-2032年复合增长率(CAGR)为8.4%
大数据·人工智能
量子-Alex8 分钟前
【大模型智能体】作为数字原子与分子的AI智能体:大型语言模型在计算生物物理领域开启新纪元
人工智能·语言模型·自然语言处理
MediaTea9 分钟前
Python:生成器对象的扩展接口
开发语言·网络·python
jerryinwuhan10 分钟前
LY模型流程
人工智能·深度学习·机器学习
诚思报告YH16 分钟前
血浆分馏产品市场前瞻:2026-2032年复合增长率(CAGR)为7.0%
人工智能
康康的AI博客20 分钟前
AI驱动的法律智能化:通过多模型平台提升合同审查与法规解读的精准度
大数据·人工智能
码云数智-大飞21 分钟前
Clawdbot 的“永久记忆”机制探秘:如何让 AI 记住每一次对话
人工智能
AI资源库23 分钟前
stepfun-ai/Step-3.5-Flash模型深入解析
人工智能·语言模型·架构
Katecat9966323 分钟前
基于FCOS-HRNetV2P的高空作业安全装备检测与违规行为识别系统
python