目录

一、最大池化：下采样

1.1 参数介绍 

1.2 公式

二、最大池化的作用和目的

三、代码实战

3.1 题目要求

3.2 池化的具体实现

3.2.1 步骤

3.2.2 报错及其原因 

3.2.3 ceil_mode不同运行的结果不同

3.2.4 完整代码

3.3 tensorboard可视化

---

一、最大池化：下采样

官方文档：torch.nn — PyTorch 1.13 documentation

1.1 参数介绍 

Parameters:

• kernel_size 池化核 (Union[int, Tuple[int, int]]) – the size of the window to take a max over

• stride (Union[int, Tuple[int, int]]) – the stride of the window. Default value is kernel_size

• padding (Union[int, Tuple[int, int]]) – implicit zero padding to be added on both sides

• dilation (Union[int, Tuple[int, int]]) – a parameter that controls the stride of elements in the window

• return_indices (bool) – if True, will return the max indices along with the outputs. Useful for torch.nn.MaxUnpool2d later

• ceil_mode (bool) – when True, will use ceil instead of floor to compute the output shape，是否对结果进行保留，默认为FALSE

注意： 

1. stride的默认大小为池化核的大小 

2. dilation：空洞卷积，如右图，进行卷积操作时会隔n个取一个。

 

  

3. ceil_mode：ceil为向上取整，floor为向下取整。

• ceil_mode=True，结果进行保留；
• ceil_mode=False，结果不进行保留

1.2 公式

输入的input要求为四维或者三维，需要输入通道数以及长和宽。

        因此当我们自定义输入一个input矩阵时，需要再使用torch.reshape方法将其转变成（N, C, H, W）的维度。

 

二、最大池化的作用和目的

作用：最大限度的保留图片特征，同时减少数据量。加速训练速度。

三、代码实战

3.1 题目要求

输入tensor矩阵为5*5，如下图所示，池化核为大小为3*3，经过池化后根据ceil_mode的不同应输出下图所示的两个矩阵，输出如下的采样结果。

 

3.2 池化的具体实现

3.2.1 步骤

1. 输入tensor型变量input
2. 按照池化函数所需的input尺寸reshape输入的大小: 

   input = torch.reshape(input, (-1,1, 5, 5))

3. 自定义神经网络，完成池化操作 
4. 实例化神经网络，输出结果

3.2.2 报错及其原因 

import torch
from torch.nn import MaxPool2d
#输入的矩阵 
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]
])

input = torch.reshape(input,(1,5,5))
print(input.shape)

class Maweiyi(torch.nn.Module):
    def __init__(self):
        super(Maweiyi, self).__init__()
        # 设置池化
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=False)

    def forward(self,input):
        output = self.maxpool1(input)
        return output

maweiyi = Maweiyi()
output = maweiyi(input)
print(output)

会出现如下报错：无法实现long型的数据。

解决：需要修改input的类型，设置tensor的dtype=float32 。

#输入的矩阵
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)

 修改过后即可成功运行。

3.2.3 ceil_mode不同运行的结果不同

1. ceil_mode = True，保留最大采样过程中的所有结果，运行出的tensor大小为4*4

self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)

 

2. ceil_mode = False，不保留最大采样过程中的所有结果，运行出的tensor大小为1*1

self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=False)

3.2.4 完整代码

import torch
from torch.nn import MaxPool2d
#输入的矩阵
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)

input = torch.reshape(input,(1,5,5))
print(input.shape)

class Maweiyi(torch.nn.Module):
    def __init__(self):
        super(Maweiyi, self).__init__()
        # 设置池化
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)

    def forward(self,input):
        output = self.maxpool1(input)
        return output

maweiyi = Maweiyi()
output = maweiyi(input)
print(output)

 

3.3 tensorboard可视化

import torch
import torchvision.datasets
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader

dataset = torchvision.datasets.CIFAR10(root=".\CIFAR10",train=False,transform=torchvision.transforms.ToTensor(),download=True)
dataloader = DataLoader(dataset,batch_size=64)
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)

input = torch.reshape(input, (-1,1, 5, 5))


class Maweiyi(torch.nn.Module):
    def __init__(self):
        super(Maweiyi, self).__init__()
        self.maxPool1 = MaxPool2d(kernel_size=3,ceil_mode=True)

    def forward(self, input):
        output = self.maxPool1(input)
        return output

writer = SummaryWriter("logs")
step = 0

maweiyi = Maweiyi()

for data in dataloader:
    imgs,labels=data
    writer.add_images("inputs",imgs,step)
    output = maweiyi(imgs)
    writer.add_images("output",output,step)
    step+=1

writer.close()

输出如下所示：

可以看到经过最大池化之后图片变为了马赛克形式，不太清晰，但是大体能保留原图像的特征。