一、用法

torch.nn.MaxPool2d

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

• kernel_size：池化窗口的大小，可以是整数或元组。
• stride：步幅，默认为与 kernel_size 相同，决定窗口移动的距离。
• padding：每个边缘的填充大小，默认为0。
• dilation：控制池化窗口元素之间的间隔，默认是1。
• return_indices：如果为 True，返回最大值的索引（默认值为 True）。
• ceil_mode：如果为 False ，则当kernel 超过二维 tensor 时，不保留值（默认值为 False）。
  

二、代码举例1

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d

input = 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)
# maxpool 的 input 需要是四维
input = torch.reshape(input,(1,1,5,5))

class Mary(nn.Module):
    def __init__(self):
        super(Mary,self).__init__()
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)
    def forward(self,x):
        x = self.maxpool1(x)
        return x
Yorelee = Mary()
output = Yorelee(input)
print(output)

输出：

tensor([[[[2., 3.],
          [5., 1.]]]], dtype=torch.float64)

三、代码举例2

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10("datasets",False,torchvision.transforms.ToTensor(),download=True)
dataloader = DataLoader(dataset,64)

class Mary(nn.Module):
    def __init__(self):
        super(Mary,self).__init__()
        self.maxpool1 = MaxPool2d(kernel_size=3,ceil_mode=True)
    def forward(self,x):
        x = self.maxpool1(x)
        return x
Yorelee = Mary()

writer = SummaryWriter("logs")

step = 0
for data in dataloader:
    img,target = data
    writer.add_images("input",img,step)
    output = Yorelee(img)
    writer.add_images("output",output,step)
    step += 1
writer.close()

输出：