pytorch最大池化
类似于看视频从1080p的输入图像,到720p的输出图像,尺寸缩小
ceil_model=false,不保留
ceil_model=true,保留
true时,卷积核经过的地方不足3x3九个数字,也会取最大值
false时,卷积核经过的地方不足3x3九个数字,则不操作,必须够卷积核大小的数字时,才能进行操作
代码如下:
#ceil_mode=True import torch from torch import nn from torch.nn import MaxPool2dinput=torch.tensor([[1,2,0,3,1],[0,1,2,3,1],[1,2,1,0,0],[5,2,3,1,1],[2,1,0,1,1]],dtype=torch.float32)input=torch.reshape(input,(-1,1,5,5)) print(input.shape)class Tudui(nn.Module):def __init__(self):super(Tudui, self).__init__()self.maxpool1=MaxPool2d(kernel_size=3,ceil_mode=True)def forward(self,input):output=self.maxpool1(input)return outputtudui=Tudui() output=tudui(input) print(output)
输出如下:
代码:
#ceil_mode=False import torch from torch import nn from torch.nn import MaxPool2dinput=torch.tensor([[1,2,0,3,1],[0,1,2,3,1],[1,2,1,0,0],[5,2,3,1,1],[2,1,0,1,1]],dtype=torch.float32)input=torch.reshape(input,(-1,1,5,5)) print(input.shape)class Tudui(nn.Module):def __init__(self):super(Tudui, self).__init__()self.maxpool1=MaxPool2d(kernel_size=3,ceil_mode=False)def forward(self,input):output=self.maxpool1(input)return outputtudui=Tudui() output=tudui(input) print(output)
输出:
pytorch最大池化相关推荐
- PyTorch中池化层的padding和ceil_mode参数设置
在池化操作的接口中,padding和ceil_mode这两个参数会影响到输出特征图的大小.padding即对特征图大小进行扩充的像素数量:ceil_mode指明,当剩余的像素不足滤波器大小,是否仍对这 ...
- pytorch之池化层
·实际图像里,我们感兴趣的物体不会总出现在固定位置:即使我们连续拍摄同一个物体也极有可能出现像素位置上的偏移.这会导致同一个边缘对应的输出可能出现在卷积输出 Y中的不同位置,进而对后面的模式识别造成不 ...
- PyTorch框架学习十——基础网络层(卷积、转置卷积、池化、反池化、线性、激活函数)
PyTorch框架学习十--基础网络层(卷积.转置卷积.池化.反池化.线性.激活函数) 一.卷积层 二.转置卷积层 三.池化层 1.最大池化nn.MaxPool2d 2.平均池化nn.AvgPool2 ...
- 狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层
狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层 在这篇文章中您将会从数学和算法两个角度去重新温习一下卷积层,激活函数,池化层,Dropout层,BN层,全链接 ...
- (pytorch-深度学习系列)pytorch卷积层与池化层输出的尺寸的计算公式详解
pytorch卷积层与池化层输出的尺寸的计算公式详解 要设计卷积神经网络的结构,必须匹配层与层之间的输入与输出的尺寸,这就需要较好的计算输出尺寸 先列出公式: 卷积后,池化后尺寸计算公式: (图像尺寸 ...
- pytorch之卷积模块、池化、激活函数(可视化)
pytorch之卷积模块 卷积 卷积在 pytorch 中有两种方式,一种是 torch.nn.Conv2d(),一种是torch.nn.functional.conv2d(),这两种形式本质都是使用 ...
- 【小白学PyTorch】扩展之Tensorflow2.0 | 21 Keras的API详解(下)池化、Normalization
<<小白学PyTorch>> 扩展之Tensorflow2.0 | 21 Keras的API详解(上)卷积.激活.初始化.正则 扩展之Tensorflow2.0 | 20 TF ...
- Pytorch基础(五)—— 池化层
一.概念 池化就是把数据压缩的过程,属于下采样的一种方法,可以显著降低神经网络计算复杂度,减少训练中的过拟合,同时可以使数据具有一定的不变性. 池化从方法上来讲可以分为average Pooling. ...
- 【Pytorch神经网络理论篇】 35 GaitSet模型:步态识别思路+水平金字塔池化+三元损失
代码: [Pytorch神经网络实战案例]28 GitSet模型进行步态与身份识别(CASIA-B数据集)_LiBiGor的博客-CSDN博客1 CASIA-B数据集本例使用的是预处理后的CASIA- ...
最新文章
- 如果你铁了心要好好搞科研,我强烈建议你看一下这个帖子
- APPlication,Session和Cookie的区别
- kcf跟踪算法实例整理
- 模型存储在哪里_区块链存储的底层存储
- github开源大项目_GitHub刚刚发布了一份大规模的开源指南
- day44-前端知识之HTML内容
- 按钮提交所有数据_多人编辑,自动汇总,领导可见所有?用 SeaTable 表格更简单...
- Mandelbrot vs Julia
- 对Oracle SQL Developer中 变量的学习
- 小米10 红米K30Pro 小米10Pro 无限重启卡米 9008救砖后无限重启 线刷无效
- ArcGIS中用数据生成线和面的方法
- 以太坊实战之《如何正确处理nonce》
- 论文阅读-(CCNet)Criss-Cross Attention for Semantic Segmentation
- 中控,中控系统,中控会议室
- python实现触摸精灵功能_触摸精灵实现找图功能
- 测试正则表达式的小方法
- 互联网开发搞手游创作1-为何有这想法
- java判断南北纬度的分界线_中国地理之南北分界线,一看就知道自己是南方人还是北方人...
- 前端八股文面试题集合
- CMMI2.0之我见-技术解决方案TS产品集成PI