池化层：
一种形式的降采样
理解：在发现一个特征之后，它的精确位置远不及它和其他特征的相对位置的关系重要。池化层会不断地减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合。
作用：
特征不变性
特征降维（下采样）
在一定程度上防止过拟合
实现非线性（类似relu）
扩大感受野
常见的池化层：
最大池化、平均池化、全局平均池化、全局最大池化
重叠池化
空金字塔池化
以最大池化为例：
参数：
| kernel_size ：表示做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；默认是向下取整 | |
|---|---|
理解：
如果池化核为一个kernel size=3的，
若ceil_mode为True，分析下过程，首先，池化核在初始位置，
即在：
[1,2,0],
[0,1,2],
[1,2,1]
检测到最大值为2，输出2
然后向右移动，发现不足9个，只有6个
即:
[[3,1],[3,1],0,0]]
因为参数中ceil_mode为True，所以我们就按这6个找最大值
输出3。然后我们往下依次进行池化
结果等于
[[2,3],[5,1]]
若参数中ceil_mode为False，那么我们那些不足池化核面积的，本示例中指不足3x3的会直接舍去，所以结果为 2
代码示例：
import torch
from torch import nn
from torch.nn import MaxPool2dinput = 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=float)
input =torch.reshape(input,(-1,1,5,5))class Test(nn.Module):def __init__(self):super(Test, self).__init__()self.maxpool = MaxPool2d(kernel_size=3,ceil_mode=True)def forward(self,input):output = self.maxpool(input)return output
test = Test()
output = test(input)
print(output)
在ceil_mode为True时
输出为：
tensor([[[[2., 3.],[5., 1.]]]], dtype=torch.float64)
在ceil_mode为False时
输出为：
tensor([[[[2.]]]], dtype=torch.float64)
代码注意：
这里在写input时要注意数据的类型，如果不加dtype则会报错
以图片来进行演示最大池化
import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset = torchvision.datasets.CIFAR10("dataset2",train=False,transform=torchvision.transforms.ToTensor(),download=False)
dataloader = DataLoader(dataset,batch_size=64)class Test(nn.Module):def __init__(self):super(Test, self).__init__()self.maxpool = MaxPool2d(kernel_size=3,ceil_mode=False)def forward(self,input):output = self.maxpool(input)return output
test = Test()
step =0
writer = SummaryWriter("logs")
for data in dataloader:imgs,target = datawriter.add_image("input",imgs,step,dataformats="NCHW")output = test(imgs)writer.add_image("output",output,step,dataformats="NCHW")step+=1
writer.close()
仅作为个人学习总结