import torch
from torch import nn
from d2l import torch as d2l
def pool2d(X,pool_size,mode='max'):
p_h,p_w=pool_size
Y=torch.zeros((X.shape[0]-p_h+1,X.shape[1]-p_w+1))
for i in range(Y.shape[0]):
for j in range(Y.shape[1]):
if mode=='max':
Y[i,j]=X[i:i+p_h,j:j+p_w].max()
elif mode=='avg':
Y[i,j]=X[i:i+p_h,j:j+p_w].mean()
return Y
X=torch.tensor([[0.0,1.0,2.0],[3.0,4.0,5.0],[6.0,7.0,8.0]])
Q=pool2d(X,(2,2))
print(Q)
Q=pool2d(X,(2,2),'avg')
print(Q)
X=torch.arange(16,dtype=torch.float32).reshape((1,1,4,4))
print(X)
pool2d=nn.MaxPool2d(3)
Q=pool2d(X)
print(Q)
#填充和步幅可以手动设定
pool2d=nn.MaxPool2d(3,padding=1,stride=2)
Q=pool2d(X)
print(Q)
#设定一个任意大小的矩形池化窗口,并分别设定填充和步幅的高度和宽度
pool2d=nn.MaxPool2d((2,3),padding=(1,1),stride=(2,3))
Q=pool2d(X)
print(Q)
X=torch.cat((X,X+1),1)
print(X)
pool2d=nn.MaxPool2d(3,padding=1,stride=2)
Q=pool2d(X)
print(Q)
输出:
tensor([[4., 5.],
[7., 8.]])
tensor([[2., 3.],
[5., 6.]])
tensor([[[[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
[12., 13., 14., 15.]]]])
tensor([[[[10.]]]])
tensor([[[[ 5., 7.],
[13., 15.]]]])
tensor([[[[ 1., 3.],
[ 9., 11.],
[13., 15.]]]])
tensor([[[[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
[12., 13., 14., 15.]],
[[ 1., 2., 3., 4.],
[ 5., 6., 7., 8.],
[ 9., 10., 11., 12.],
[13., 14., 15., 16.]]]])
tensor([[[[ 5., 7.],
[13., 15.]],
[[ 6., 8.],
[14., 16.]]]])