Python PyTorch FractionalMaxPool2d用法及代码示例

本文简要介绍python语言中 torch.nn.FractionalMaxPool2d 的用法。

用法:

class torch.nn.FractionalMaxPool2d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

参数：

• kernel_size-最大的窗口大小。可以是单个数字 k(对于 k x k 的方核)或元组 (kh, kw)

• output_size-oH x oW 形式的图像的目标输出大小。可以是元组 (oH, oW) 或正方形图像的单个数字 oH oH x oH

• output_ratio-如果希望将输出大小作为输入大小的比率，则可以给出此选项。这必须是 (0, 1) 范围内的数字或元组

• return_indices-如果 True ，将返回索引以及输出。用于传递给 nn.MaxUnpool2d() 。默认值：False

在由多个输入平面组成的输入信号上应用 2D 分数最大池化。

分数 MaxPooling 在 Ben Graham 的论文 Fractional MaxPooling 中有详细说明

max-pooling 操作以由目标输出大小确定的随机步长大小应用于kH \times kW 区域。输出特征的数量等于输入平面的数量。

形状：

• 输入：(N, C, H_{in}, W_{in}) 或 (C, H_{in}, W_{in}) 。

• 输出：(N, C, H_{out}, W_{out}) 或 (C, H_{out}, W_{out}) ，其中 (H_{out}, W_{out})=\text{output\_size} 或 (H_{out}, W_{out})=\text{output\_ratio} \times (H_{in}, W_{in}) 。

例子

>>> # pool of square window of size=3, and target output size 13x12
>>> m = nn.FractionalMaxPool2d(3, output_size=(13, 12))
>>> # pool of square window and target output size being half of input image size
>>> m = nn.FractionalMaxPool2d(3, output_ratio=(0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)