Fonction torch.nn.AdaptiveMaxPool2d de PyTorch

PyTorch torch.nn 参考手册Manuel de référence torch.nn de PyTorch

torch.nn.AdaptiveMaxPool2dC'est un module de max-pooling adaptatif dans PyTorch.

Il effectue un pooling de l'entrée vers une taille spécifiée, en conservant la valeur maximale plutôt que la moyenne.

Définition de fonction

torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)

Parameters

  • output_size: Taille de sortie
  • return_indices: Indique s'il faut renvoyer les indices

Exemples d'utilisation

Exemple 1 : Utilisation de base

Exemple

import torch
import torch.nn as nn

# Max pooling global
gap = nn.AdaptiveMaxPool2d(1)

# Entrées de tailles différentes
x1 = torch.randn(1, 64, 32, 32)
x2 = torch.randn(1, 64, 16, 16)

print("32x32 ->", gap(x1).shape)
print("16x16 ->", gap(x2).shape)

Exemple 2 : Retour des indices

Exemple

import torch
import torch.nn as nn

gap = nn.AdaptiveMaxPool2d(1, return_indices=True)

x = torch.randn(1, 64, 8, 8)
output, indices = gap(x)

print("Forme de sortie :", output.shape)
print("Forme des indices :", indices.shape)
print("Valeurs des indices :", indices.item())

Exemple 3 : Comparaison avec AdaptiveAvgPool2d

Exemple

import torch
import torch.nn as nn

x = torch.tensor([[[
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
]]], dtype=torch.float32)

avgpool = nn.AdaptiveAvgPool2d(1)
maxpool = nn.AdaptiveMaxPool2d(1)

print("Entrée :\n", x[0, 0])
print("Pooling moyen :", avgpool(x).item())
print("Pooling max :", maxpool(x).item())

Cas d'utilisation

  • Pooling max global: Extraire les caractéristiques les plus significatives
  • Agrégation de caractéristiques: Préserver les informations clés
  • Réseaux de classification: Remplacer les couches FC

Astuce : Le max pooling conserve les caractéristiques les plus significatives, tandis que le pooling moyen est plus lisse.

PyTorch torch.nn 参考手册Manuel de référence torch.nn de PyTorch

Autres extensions