当前位置：首页 > news >正文

PyTorch 中池化层MaxPool2d

news 2025/7/12 20:56:32

在 PyTorch 中，池化层（Pooling Layer）是卷积神经网络（CNN）中的重要组成部分，主要用于降维（减少计算量）和特征提取（增强平移不变性）。PyTorch 提供了多种池化操作，包括最大池化、平均池化、自适应池化等。以下是详细说明：

1. 最大池化（Max Pooling）

作用：提取局部区域的最大值，保留最显著的特征。
常用场景：图像分类、目标检测等。

(1) 二维最大池化（`nn.MaxPool2d`）

import torch.nn as nn

# 定义一个 2x2 的最大池化层，步长 stride=2
max_pool = nn.MaxPool2d(
    kernel_size=2,  # 池化窗口大小（可以是 int 或 tuple，如 (2,2)）
    stride=2,       # 步长（默认等于 kernel_size）
    padding=0,      # 填充（默认 0）
    dilation=1,     # 空洞池化（默认 1）
    return_indices=False  # 是否返回最大值的位置（用于 MaxUnpool2d）
)

# 输入张量 (batch_size=1, channels=1, height=4, width=4)
x = torch.tensor([[
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
]], dtype=torch.float32).unsqueeze(0)  # shape: [1, 1, 4, 4]

output = max_pool(x)
print(output)

输出：

tensor([[[[ 6.,  8.],
          [14., 16.]]]])

计算过程：

池化窗口 2x2，步长 2，无填充。
输出尺寸计算：

(2) 一维最大池化（`nn.MaxPool1d`）

适用于时序数据（如 NLP、语音）：

max_pool_1d = nn.MaxPool1d(kernel_size=2, stride=2)
x = torch.tensor([[[1, 2, 3, 4, 5, 6]]], dtype=torch.float32)  # shape: [1, 1, 6]
output = max_pool_1d(x)  # shape: [1, 1, 3]
print(output)  # tensor([[[2., 4., 6.]]])

2. 平均池化（Average Pooling）

作用：计算局部区域的平均值，适用于平滑特征。
常用场景：图像分类、语义分割等。

(1) 二维平均池化（`nn.AvgPool2d`）

avg_pool = nn.AvgPool2d(kernel_size=2, stride=2)
x = torch.tensor([[
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
]], dtype=torch.float32).unsqueeze(0)  # shape: [1, 1, 4, 4]

output = avg_pool(x)
print(output)

输出：

tensor([[[[ 3.5,  5.5],
          [11.5, 13.5]]]])

计算过程：

每个 2x2 窗口取平均值：

(2) 全局平均池化（Global Average Pooling, `nn.AdaptiveAvgPool2d`）

常用于 CNN 最后一层，代替全连接层：

global_avg_pool = nn.AdaptiveAvgPool2d((1, 1))  # 输出固定为 1x1
x = torch.randn(1, 3, 32, 32)  # 假设输入是 32x32 的 RGB 图像
output = global_avg_pool(x)  # shape: [1, 3, 1, 1]

3. 其他池化操作

(1) 自适应池化（Adaptive Pooling）

作用：自动调整输出尺寸，适用于输入尺寸不固定的情况。

# 自适应最大池化，输出尺寸固定为 3x3
adaptive_max_pool = nn.AdaptiveMaxPool2d((3, 3))
x = torch.randn(1, 3, 128, 128)  # 任意输入尺寸
output = adaptive_max_pool(x)  # shape: [1, 3, 3, 3]

(2) 分数池化（Fractional Pooling）

PyTorch 不直接支持，但可通过 nn.functional.interpolate 实现类似效果。

4. 池化层 vs 卷积层

特性	池化层 (Pooling)	卷积层 (Convolution)
作用	降维、增强平移不变性	特征提取
可学习参数	无	有（权重和偏置）
计算方式	取最大值/平均值	线性变换 + 非线性激活
输出尺寸	通常比输入小	可能比输入大（带 padding）

5. 池化层的典型应用

class CNN(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)
        self.pool1 = nn.MaxPool2d(2, 2)  # 降维 2 倍
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)
        self.pool2 = nn.AdaptiveAvgPool2d((1, 1))  # 全局平均池化

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = self.pool1(x)  # [B, 16, H/2, W/2]
        x = F.relu(self.conv2(x))
        x = self.pool2(x)  # [B, 32, 1, 1]
        return x