6.5 汇聚层(pooling)

要点
  • 汇聚层(池化层)返回窗口中的最大或者平均,不改变通道数
  • 用来减少对像素点位置的敏感性(对像素的过拟合)
  • 和卷积层一样,同样有窗口大小、填充、步幅为超参数
  • 现在用的比较少,原因是有数据增强减少像素敏感性

卷积层对图像当前位置过于敏感,当当前像素发生一点变化时,图片与卷积的结果就会发生变化,对于图像边缘有点过拟合,汇聚(pooling)层的目的就是通过采样的方式,减少这种敏感性

1. 最大汇聚层和平均汇聚层

6.5 汇聚层(pooling).png|center|400 汇聚窗口形状为 2×2 的最大汇聚层,平均汇聚层改成求平均

# 手动实现 pooling 计算
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

2. 填充和步幅

与卷积层一样,汇聚层也可以改变输出形状。都有填充和步幅的概念,例如:

X = torch.arange(16, dtype=torch.float32).reshape((1, 1, 4, 4))
X
tensor([[[[ 0.,  1.,  2.,  3.],
          [ 4.,  5.,  6.,  7.],
          [ 8.,  9., 10., 11.],
          [12., 13., 14., 15.]]]])

直接用框架的汇聚层:

pool2d = nn.MaxPool2d(3) # 默认步幅大小与池化层 size 大小一致,这样可以保证不重叠
pool2d(X)
tensor([[[[10.]]]])

也可以手动指定填充和步幅:

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)
tensor([[[[ 5.,  7.],
          [13., 15.]]]])

而对于多个通道,汇聚层在每个输入通道上单独运算,而不是像卷积层一样在通道上对输入进行汇总。 (torch.cat 不改变维度,参考 6.4 多输入多输出通道#^97d15f

X = torch.cat((X, X + 1), 1)
X
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.]]]])

进过 pooling layer 之后也不改变维度:

pool2d = nn.MaxPool2d(3, padding=1, stride=2)
pool2d(X)
tensor([[[[ 5.,  7.],
          [13., 15.]],

         [[ 6.,  8.],
          [14., 16.]]]])

为什么池化层用的越来越少

沐神理解:

参考文献



© 2023 yanghn. All rights reserved. Powered by Obsidian