torch.nn.functional.fractional_max_pool2d

torch.nn.functional.fractional_max_pool2d(input, kernel_size, output_size=None, output_ratio=None, return_indices=False, _random_samples=None)

对由多个输入平面组成的输入信号应用 2D 分数最大池化。

分数最大池化在 Ben Graham 的论文《分数最大池化》中进行了详细描述

最大池化操作通过随机步长应用于 $kH \times kW$ 区域，步长由目标输出大小确定。输出特征的数量等于输入平面的数量。

参数:

• kernel_size – 取最大值的窗口大小。可以是一个数字 $k$ （表示正方形核的 $k \times k$ ）或一个元组（kH, kW）

• output_size – 目标输出图像的大小，形式为 $oH \times oW$ 。可以是元组（oH, oW）或单个数字 $oH$ 表示正方形图像 $oH \times oH$

• output_ratio – 如果希望输出大小为输入大小的比例，则可以提供此选项。这必须是一个在范围（0，1）内的数字或元组

• return_indices – 如果 True ，将返回索引和输出。适用于传递给 max_unpool2d() 。

示例::

>>> input = torch.randn(20, 16, 50, 32)
>>> # pool of square window of size=3, and target output size 13x12
>>> F.fractional_max_pool2d(input, 3, output_size=(13, 12))
>>> # pool of square window and target output size being half of input image size
>>> F.fractional_max_pool2d(input, 3, output_ratio=(0.5, 0.5))