torch.nn.MaxPool2d()

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

$2D$ 最大池化。

参数：

• kernel_size：最大池化的窗口大小，可以是单个值，也可以是 $tuple$ 元组。
• stride：步长，可以是单个值，也可以是 $tuple$ 元组。
• padding：填充，可以是单个值，也可以是 $tuple$ 元组。
• dilation：控制窗口中元素步幅。
• return_indices：布尔类型，返回最大值位置索引。
• ceil_mode：布尔类型，为 $True$，用向上取整的方法，计算输出形状，默认向下取整。

参数详解：

kernel_size：

这里的kernel_size跟卷积核不是一个东西。kernel_size可以看做是一个滑动窗口，这个窗口的大小由自己指定，如果输入是单个值，例如 $3$ ，那么窗口的大小就是 $3 \times 3$ ，还可以输入元组，例如 $(3, 2)$，那么窗口大小就是 $3 \times 2$ 。

最大池化的方法就是取这个窗口覆盖元素中的最大值。

stride：

这个参数来确定这个窗口如何进行滑动。如果不指定这个参数，那么默认步长跟最大池化窗口大小一致。如果指定了参数，那么将按照我们指定的参数进行滑动。例如 stride=(2,3) ， 那么窗口将每次向下滑动 $2$ 个元素位置，或者向右滑 $3$ 个元素位置。

padding：

这参数控制如何进行填充，填充值默认为 $0$。如果是单个值，例如 $1$，那么将在周围填充一圈0。还可以用元组指定如何填充，例如padding=(2, 1)，表示在上下两个方向个填充两行 $0$，在左右两个方向各填充一列 $0$。

return_indices：

这是个布尔类型值，表示返回值中是否包含最大值位置的索引。注意这个最大值指的是在所有窗口中产生的最大值，如果窗口产生的最大值总共有 $5$ 个，就会有 $5$ 个返回值。

ceil_mode：

这个也是布尔类型值，它决定的是在计算输出结果形状的时候，是使用向上取整还是向下取整。

示例：

import torch
from torch import nn

# 定义输入
# 四个参数分别表示 (batch_size, C_in, H_in, W_in)
# 分别对应，批处理大小，输入通道数，图像高度（像素），图像宽度（像素）
# 为了简化表示，我们只模拟单张图片输入，单通道图片，图片大小是4x4
X = torch.arange(16, dtype=torch.float).view((1, 1, 4, 4))
print(X)

tensor([[[[ 0.,  1.,  2.,  3.],
          [ 4.,  5.,  6.,  7.],
          [ 8.,  9., 10., 11.],
          [12., 13., 14., 15.]]]])

# 仅定义一个 3x3 的池化层窗口
pool2d = nn.MaxPool2d(3)
print(pool2d(X))

tensor([[[[10.]]]])

# 定义一个 3x3 的池化层窗口;
# 周围填充了一圈 0;
# 步长为 2。
pool2d = nn.MaxPool2d(3, padding=1, stride=2)
print(pool2d(X))

tensor([[[[ 5.,  7.],
          [13., 15.]]]])

# 定义一个 2x4 的池化层窗口;
# 上下方向填充一行 0, 左右方向填充两行 0;
# 窗口将每次向下滑动 2 个元素位置，或者向右滑动 2 个元素位置。
pool2d = nn.MaxPool2d((2, 4), padding=(1, 2), stride=(2, 2))
print(pool2d(X))

tensor([[[[ 1.,  3.],
          [ 9., 11.],
          [13., 15.]]]])