import torch from torch import nn from torch.nn import MaxPool2d input= torch.tensor([ [1,2,0,3,1], [0,1,2,3,1], [1,2,1,0,0], [5,2,3,1,1], [2,1,0,1,1]],dtype=torch.float32) input =torch.reshape(input,(-1,1,5,5)) print(f'输入形状:{input.shape}') class Tudui(nn.Module): def __init__(self): super(Tudui,self).__init__() self.maxpool1=MaxPool2d(kernel_size=3,ceil_mode=True) self.maxpool2=MaxPool2d(kernel_size=3,ceil_mode=False) def forward(self,x): out1=self.maxpool1(x) out2=self.maxpool2(x) return out1,out2 tudui =Tudui() output_ceil_true,output_ceil_false=tudui(input) print('True') print(output_ceil_true) print('False') print(output_ceil_false)此段代码输出为：
输入形状:torch.Size([1, 1, 5, 5])
True
tensor([[[[2., 3.],
[5., 1.]]]])
False
tensor([[[[2.]]]])
1.maxpool2d：最大池化，目的是保留最强的特征，丢掉不重要的细节"，让图片变小，让模型跑得更快，同时保证关键信息不丢失。
2.input = torch.reshape(input, (-1, 1, 5, 5))
| 参数 | 值 | 含义 |
|---|---|---|
| 第1维 | -1 | 自动计算 batch_size，即图片数 |
| 第2维 | 1 | 通道数=1（灰度图） |
| 第3维 | 5 | 高度=5 |
| 第4维 | 5 | 宽度=5 |
关于灰度图，他只有一维，从0到255，只有黑白灰，所以叫灰度图，如果是RGB的三通道那你可以得到人眼一样的色彩，鸟是4通道，他们甚至能看到紫外线。同学，你眼里还有光吗
reshape最常见的作用是：改变张量的形状（维度），但不会改变数据的总数量。
它可以用来改变通道数，但更常见的用途是增删“维度”
3.self.maxpool1=MaxPool2d(kernel_size=3,ceil_mode=True)
这句话很有意思，self是Tudui类的对象，maxpool1是self的属性，self.maxpool1是Maxpool2类的对象，
在下一句out1=self.maxpool1(x)中，self.maxpool1对象又做了函数用，因为在nn神经网络中，又__call__函数，实现了对象可以做函数用
kernel_size=3,ceil_mode=True，kernel_size在卷积层代表卷积核，在池化层在这里表示池化窗口为3*3，
如果没定义stride，stride默认和池化窗口一边大，这里是3.
ceil_mode=True表示不完全的池化窗口也要取数，False的话就舍弃了，举例如下：
原来：
列索引: 0 1 2 3 4 行索引: ┌────┬────┬────┬────┬────┐ 0 │ 1 │ 2 │ 0 │ 3 │ 1 │ ├────┼────┼────┼────┼────┤ 1 │ 0 │ 1 │ 2 │ 3 │ 1 │ ├────┼────┼────┼────┼────┤ 2 │ 1 │ 2 │ 1 │ 0 │ 0 │ ├────┼────┼────┼────┼────┤ 3 │ 5 │ 2 │ 3 │ 1 │ 1 │ ├────┼────┼────┼────┼────┤ 4 │ 2 │ 1 │ 0 │ 1 │ 1 │ └────┴────┴────┴────┴────┘
第一次取
覆盖 行0-2，列0-2： ┌────┬────┬────┐ │ 1 │ 2 │ 0 │ ├────┼────┼────┤ │ 0 │ 1 │ 2 │ ├────┼────┼────┤ │ 1 │ 2 │ 1 │ └────┴────┴────┘ 最大值 = 2
第二次取，向右三格
┌────┬────┬────┐ │ 3 │ 1 │ ❌ │ ├────┼────┼────┤ │ 3 │ 1 │ ❌ │ ├────┼────┼────┤ │ 0 │ 0 │ ❌ │ └────┴────┴────┘ 有效数字：3,1,3,1,0,0 → 最大值 = 3
第三次取，前三行取完了，从第四行继续
┌────┬────┬────┐ │ 5 │ 2 │ 3 │ ├────┼────┼────┤ │ 2 │ 1 │ 0 │ ├────┼────┼────┤ │ ❌ │ ❌ │ ❌ │ └────┴────┴────┘ 有效数字：5,2,3,2,1,0 → 最大值 = 5
第四次取
┌────┬────┬────┐ │ 1 │ 1 │ ❌ │ ├────┼────┼────┤ │ 1 │ 1 │ ❌ │ ├────┼────┼────┤ │ ❌ │ ❌ │ ❌ │ └────┴────┴────┘ 有效数字：1,1,1,1 → 最大值 = 1
那么不难看出，只有第一次取到完整9个数，如果你是ceil_mode=True，你能得到2，3，5，1
如果你是ceil_mode=False，即取不全的，就破罐子破摔，不要了，那你能得到的只有一个2
