FractionalMaxPool2d¶

class torch.nn.FractionalMaxPool2d(kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)[源代码]¶

对由多个输入平面组成的输入信号应用二维分数最大池化。

分数最大池化在Ben Graham的论文Fractional MaxPooling中有详细描述

最大池化操作在 $kH \times kW$ 区域中通过由目标输出大小决定的随机步长进行应用。输出特征的数量等于输入平面的数量。

注意

必须定义 output_size 或 output_ratio 中的一个。

Parameters

kernel_size (Union[int, Tuple[int, int]]) – 窗口的大小，用于取最大值。可以是单个数字 k（用于 k x k 的方形核）或一个元组 (kh, kw)
output_size (Union[int, Tuple[int, int]]) – 目标图像的输出大小，形式为 oH x oW。可以是元组 (oH, oW) 或单个数字 oH 表示方形图像 oH x oH。请注意，我们必须满足 $kH + oH - 1 <= H_{in}$ 和 $kW + oW - 1 <= W_{in}$
output_ratio (Union[float, Tuple[float, float]]) – 如果希望输出大小为输入大小的比例，可以提供此选项。这必须是一个在 (0, 1) 范围内的数字或元组。请注意，我们必须有 $kH + (output\_ratio\_H * H_{in}) - 1 <= H_{in}$ 和 $kW + (output\_ratio\_W * W_{in}) - 1 <= W_{in}$
return_indices (bool) – 如果为True，将返回输出结果以及对应的索引。用于传递给nn.MaxUnpool2d()。默认值：False

Shape:

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 $(H_{out}, W_{out})=\text{output\_ratio} \times (H_{in}, W_{in})$

示例

>>> # 大小为3的方形窗口池化，目标输出大小为13x12
>>> m = nn.FractionalMaxPool2d(3, output_size=(13, 12))
>>> # 方形窗口池化，目标输出大小为输入图像大小的一半
>>> m = nn.FractionalMaxPool2d(3, output_ratio=(0.5, 0.5))
>>> input = torch.randn(20, 16, 50, 32)
>>> output = m(input)