当检测较底层的特征时,我们通常希望这些特征保持某种程度上的平移不变性。例如,如果我们拍摄黑白之间轮廓清晰的图像X
,并将整个图像向右移动一个像素,即Z[i, j] = X[i, j + 1]
,则新图像Z
的输出可能大不相同。而在现实中,随着拍摄角度的移动,任何物体几乎不可能发生在同一像素上。即使用三脚架拍摄一个静止的物体,由于快门的移动而引起的相机振动,可能会使所有物体左右移动一个像素(除了高端相机配备了特殊功能来解决这个问题)。
即卷积层对像素变化太敏感了
1.最大池化层和平均池化层
**最大池化层:**返回滑动窗口中的最大值,本质是忽略细节特征?
池化层的矩阵第三层应该为全0。可以看出池化层的作用,允许输出出现一些偏移。
池化层与卷积层类似,都具有填和步幅,但没有可学习的参数,在每个输入通道应用池化层以获得相应的输出通道,输出通道数等于输入通道数
平均池化层:返回滑动窗口中的平均值
总之,池化层可缓解卷积层对位置的敏感性,同样有窗口大小、填充、和步幅作为超参数
2.代码实现
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]])
print(pool2d(X, (2, 2)))
print(pool2d(X, (2, 2), 'avg'))
X = torch.arange(16, dtype=torch.float32).reshape((1, 1, 4, 4))
print(X)
pool2d = nn.MaxPool2d(3) #可直接调用MaxPool2d使用最大池化层,3表示一个3*3的窗口
print(pool2d(X))
#填充和步幅可以手动设定
pool2d = nn.MaxPool2d(3, padding=1, stride=2)
print(pool2d(X))
#也可以设定任意大小的举行池化窗口,并设定填充和步幅
pool2d = nn.MaxPool2d((2, 3), stride=(2, 3), padding=(0, 1))
print(pool2d(X))
X = torch.cat((X, X + 1), 1) #2个输入通道
pool2d = nn.MaxPool2d(3, padding=1, stride=2)
print(pool2d(X))#2个输出通道