a市最牛的网站,wordpress 机械模板下载地址,布吉网站建设找哪家公司好,莱芜搬家公司电话汇聚层#xff08;池化层#xff09; 通常当我们处理图像时#xff0c;我们希望逐渐降低隐藏表示的空间分辨率、聚集信息#xff0c;这样随着我们在神经网络中层叠的上升#xff0c;每个神经元对其敏感的感受野#xff08;输入#xff09;就越大。 而我们的机器学习任…汇聚层池化层 通常当我们处理图像时我们希望逐渐降低隐藏表示的空间分辨率、聚集信息这样随着我们在神经网络中层叠的上升每个神经元对其敏感的感受野输入就越大。 而我们的机器学习任务通常会跟全局图像的问题有关例如“图像是否包含一只猫呢”所以我们最后一层的神经元应该对整个输入的全局敏感。通过逐渐聚合信息生成越来越粗糙的映射最终实现学习全局表示的目标同时将卷积图层的所有优势保留在中间层。 此外当检测较底层的特征时例如 sec_conv_layer中所讨论的边缘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。 本节将介绍汇聚pooling层它具有双重目的降低卷积层对位置的敏感性同时降低对空间降采样表示的敏感性。 最大汇聚层和平均汇聚层 与卷积层类似汇聚层运算符由一个固定形状的窗口组成该窗口根据其步幅大小在输入的所有区域上滑动为固定形状窗口有时称为汇聚窗口遍历的每个位置计算一个输出。 然而不同于卷积层中的输入与卷积核之间的互相关计算汇聚层不包含参数。 相反池运算是确定性的我们通常计算汇聚窗口中所有元素的最大值或平均值。这些操作分别称为最大汇聚层maximum pooling和平均汇聚层average pooling。 在这两种情况下与互相关运算符一样汇聚窗口从输入张量的左上角开始从左往右、从上往下的在输入张量内滑动。在汇聚窗口到达的每个位置它计算该窗口中输入子张量的最大值或平均值。计算最大值或平均值是取决于使用了最大汇聚层还是平均汇聚层。 fig_pooling中的输出张量的高度为 2 2 2宽度为 2 2 2。这四个元素为每个汇聚窗口中的最大值 max ⁡ ( 0 , 1 , 3 , 4 ) 4 , max ⁡ ( 1 , 2 , 4 , 5 ) 5 , max ⁡ ( 3 , 4 , 6 , 7 ) 7 , max ⁡ ( 4 , 5 , 7 , 8 ) 8. \max(0, 1, 3, 4)4,\\ \max(1, 2, 4, 5)5,\\ \max(3, 4, 6, 7)7,\\ \max(4, 5, 7, 8)8.\\ max(0,1,3,4)4,max(1,2,4,5)5,max(3,4,6,7)7,max(4,5,7,8)8. 汇聚窗口形状为 p × q p \times q p×q的汇聚层称为 p × q p \times q p×q汇聚层汇聚操作称为 p × q p \times q p×q汇聚。 回到本节开头提到的对象边缘检测示例现在我们将使用卷积层的输出作为 2 × 2 2\times 2 2×2最大汇聚的输入。 设置卷积层输入为X汇聚层输出为Y。 无论X[i, j]和X[i, j 1]的值相同与否或X[i, j 1]和X[i, j 2]的值相同与否汇聚层始终输出Y[i, j] 1。 也就是说使用 2 × 2 2\times 2 2×2最大汇聚层即使在高度或宽度上移动一个元素卷积层仍然可以识别到模式。 在下面的代码中的pool2d函数我们(实现汇聚层的前向传播)。 这类似于 :numref:sec_conv_layer中的corr2d函数。 然而这里我们没有卷积核输出为输入中每个区域的最大值或平均值。 import torch from torch import nn from d2l import torch as d2ldef pool2d(X, pool_size, modemax):p_h, p_w pool_sizeY 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我们可以构建 fig_pooling中的输入张量X[验证二维最大汇聚层的输出]。 X torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]]) pool2d(X, (2, 2))tensor([[4., 5.],[7., 8.]])此外我们还可以(验证平均汇聚层)。 pool2d(X, (2, 2), avg)tensor([[2., 3.],[5., 6.]])[填充和步幅] 与卷积层一样汇聚层也可以改变输出形状。和以前一样我们可以通过填充和步幅以获得所需的输出形状。 下面我们用深度学习框架中内置的二维最大汇聚层来演示汇聚层中填充和步幅的使用。 我们首先构造了一个输入张量X它有四个维度其中样本数和通道数都是1。 X torch.arange(16, dtypetorch.float32).reshape((1, 1, 4, 4)) Xtensor([[[[ 0., 1., 2., 3.],[ 4., 5., 6., 7.],[ 8., 9., 10., 11.],[12., 13., 14., 15.]]]])默认情况下(深度学习框架中的步幅与汇聚窗口的大小相同)。 因此如果我们使用形状为(3, 3)的汇聚窗口那么默认情况下我们得到的步幅形状为(3, 3)。 pool2d nn.MaxPool2d(3) pool2d(X)tensor([[[[10.]]]])[填充和步幅可以手动设定]。 pool2d nn.MaxPool2d(3, padding1, stride2) pool2d(X)tensor([[[[ 5., 7.],[13., 15.]]]])当然我们可以(设定一个任意大小的矩形汇聚窗口并分别设定填充和步幅的高度和宽度)。 pool2d nn.MaxPool2d((2, 3), stride(2, 3), padding(0, 1)) pool2d(X)tensor([[[[ 5., 7.],[13., 15.]]]])多个通道 在处理多通道输入数据时[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。 这意味着汇聚层的输出通道数与输入通道数相同。 下面我们将在通道维度上连结张量X和X 1以构建具有2个通道的输入。 X torch.cat((X, X 1), 1) Xtensor([[[[ 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.]]]])如下所示汇聚后输出通道的数量仍然是2。 pool2d nn.MaxPool2d(3, padding1, stride2) pool2d(X)tensor([[[[ 5., 7.],[13., 15.]],[[ 6., 8.],[14., 16.]]]])小结 对于给定输入元素最大汇聚层会输出该窗口内的最大值平均汇聚层会输出该窗口内的平均值。汇聚层的主要优点之一是减轻卷积层对位置的过度敏感。我们可以指定汇聚层的填充和步幅。使用最大汇聚层以及大于1的步幅可减少空间维度如高度和宽度。汇聚层的输出通道数与输入通道数相同。