MaxPool2d详解–在数组和图像中的应用
*
– 1、环境要求
– 2、原理讲解
– 3、函数要求
– 4、例子
–
+ 4.1、数组
+ 4.2、图像
+ 4.3、Conv2d+MaxPool2d图像
1、环境要求
1、需要安装Pytorch依赖
2、官方文档conv2d
3、图片需要CIFAR10数据集
2、原理讲解
用卷积核覆盖在原始数据上，选择原始数据中被卷积核覆盖的最大值
选择卷积核覆盖时的最大值，ceil_mode控制卷积核超出原始数据后是否进行保留
; 3、函数要求
函数：
参数要求
kernel_size设置卷积核大小的属性
stride和conv2d中的stride一样，是控制移动步幅的属性，这里注意，conv2d默认值是1，但是MaxPool2d默认值是卷积核大小
padding设置原始数据周围填充的属性
dilation:表明给原始数据之间添加0的属性
ceil_mode控制当卷积核超过原始图像时，是否对max进行保留
4、例子
4.1、数组
代码：
import torch
import torchvision
from torch.nn import Module,MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
input = 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)
print("前",input.shape)
input = torch.reshape(input,(-1,1,5,5))
print("后",input.shape)
class ConNet(Module):
def __init__(self):
super(ConNet, self).__init__()
self.maxpool = MaxPool2d(kernel_size=3,ceil_mode=True)
def forward(self,input):
output = self.maxpool(input)
return output
Work = ConNet()
output = Work(input)
print(output)
结果：
4.2、图像
代码：
import torch
import torchvision
from torch.nn import Module,MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
class ConNet(Module):
def __init__(self):
super(ConNet, self).__init__()
self.maxpool = MaxPool2d(kernel_size=3,ceil_mode=True)
def forward(self,input):
output = self.maxpool(input)
return output
Work = ConNet()
dataset = torchvision.datasets.CIFAR10("./datasetvision",train=False,download=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset,batch_size=64)
writer = SummaryWriter("logs_MaxPool")
step = 0
for data in dataloader:
imgs,target = data
writer.add_images("input",imgs,step)
output = Work(imgs)
writer.add_images("output",output,step)
step = step + 1
writer.close()
结果：
4.3、Conv2d+MaxPool2d图像
代码：
import torch
import torchvision
from torch.nn import Module,MaxPool2d,Conv2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
class ConNet(Module):
def __init__(self):
super(ConNet, self).__init__()
self.maxpool = MaxPool2d(kernel_size=3,ceil_mode=True)
self.conv2d = Conv2d(in_channels=3,out_channels=3,kernel_size=3,stride=1,padding=0)
def forward(self,input):
output = self.conv2d(input)
output = self.maxpool(output)
return output
Work = ConNet()
dataset = torchvision.datasets.CIFAR10("./datasetvision",train=False,download=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset,batch_size=64)
writer = SummaryWriter("logs_MaxPoolAndConv2d")
step = 0
for data in dataloader:
imgs,target = data
writer.add_images("input",imgs,step)
output = Work(imgs)
writer.add_images("output",output,step)
step = step + 1
writer.close()
结果：
Original: https://blog.csdn.net/qq_44864833/article/details/125513812
Author: Philo`
Title: MaxPool2d详解–在数组和图像中的应用
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/705467/
转载文章受原作者版权保护。转载请注明原作者出处！