【深度之眼】Pytorch框架班第五期-Week3【任务2】第二节:学习网络层中的池化层,全连接层和**函数层
池化、线性、**函数层
池化层
池化运算:对信号进行收集并总结,类似水池收集水资源,因而得名池化层
收集:多变少
总结:最大值/平均值
nn.MaxPool2d
功能:对二维信号(图像)进行最大值池化
主要参数:
- kernel_size: 池化核尺寸
- stride:步长
- padding:填充个数
- dilation:池化核间隔大小
- ceil_mode: 尺寸向上取整
- return_indices: 记录池化像素索引
nn.AvgPool2d
功能:对二维信号(图像)进行平均值池化
主要参数:
- kernel_size: 池化核尺寸
- stride:步长
- padding:填充个数
- dilation:池化核间隔大小
- ceil_mode: 尺寸向上取整
- count_include_pad: 填充值用于计算
- divisor_override: 除法因子
nn.MaxUnpool2d
功能:对二维信号(图像)进行最大值池化上采样
主要参数:
- kernel_size: 池化核尺寸
- stride:步长
- padding:填充个数
线性层
线性层又称为全连接层,其每个神经元与上一层所有神经元相连,实现对前一层的线性组合,线性变换
**函数层
**函数对特征进行非线性变换,赋予多层神经网络具有深度的意义。