來源：投稿?作者：小灰灰

編輯：學(xué)姐帶你玩AI 公眾號(hào)

池化層

卷積操作中pool層是比較重要的，是提取重要信息的操作，可以去掉不重要的信息，減少計(jì)算開銷。

nn.MAXPool2d

功能是對(duì)二維信號(hào)進(jìn)行最大池化

練習(xí)：

池化前尺寸:torch.Size([1, 3, 512, 512])
池化后尺寸:torch.Size([1, 3, 256, 256])

nn.AvgPool2d

kernel_size: the size of the window

stride: the stride of the

padding to be added on both sides

ceil_mode: when True, will use ceil instead of floor to compute the output shape 尺寸向上取整

count_include_pad: when True, will include the zero-padding in the averaging calculation 填充值用于計(jì)算，設(shè)置True，填充值用于計(jì)算

池化前尺寸:torch.Size([1, 3, 512, 512])
池化后尺寸:torch.Size([1, 3, 256, 256])

nn.MaxUnpool2d

反池化操作

線性層

也是全連接層

nn.Linear

激活函數(shù)

下面這個(gè)程序告訴你激活函數(shù)可以擬合任意一個(gè)非線性層。