摘要

最近看到有人使用到了stride为1的MaxPool，作为特征融合的一个分支。今天做了实验。验证一下stride为1的MaxPool的作用。

Max Pooling

在卷积神经网络（CNN）中，最大池化（Max Pooling）层是一个重要的组成部分，它通常用于降低特征图的维度（即高度和宽度），同时保留最重要的信息。Max Pooling层有两个主要参数：池化窗口的大小（如2x2、3x3等）和步长（stride）。

当Max Pooling层的stride设置为1时，意味着池化窗口在特征图上滑动时，每次移动的距离为1个像素。这种设置在某些情况下有其特定的用途和优势，尽管它不如stride大于1时那样常见，因为stride大于1可以更有效地减小特征图的尺寸。

Max Pooling stride为1的用途和示例

1. 保持特征图尺寸：

   • 当我们希望保持特征图的尺寸不变，同时又想利用池化操作来减少计算量或提取特征时，可以使用stride为1的Max Pooling。这通常用于某些特定的网络结构中，比如当后续层需要与前一层保持相同的空间分辨率时。

2. 精细特征提取：

   • 在一些任务中，如图像分割或细节检测，保持较高的空间分辨率对于后续处理非常重要。使用stride为1的Max Pooling可以在一定程度上减少计算量，同时不会损失太多的空间信息。

3. 与其他层结合使用：

   • 在某些复杂的网络架构中，stride为1的Max Pooling可以与其他层（如卷积层、Dropout层等）结合使用，以实现特定的功能或优化性能。

示例

import torch
import torch.nn as nn

# 创建一个4x4的输入特征图（假设有1个通道，即灰度图像）
input_tensor = torch.tensor([[[
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
]]], dtype=torch.float32)
print(input_tensor.shape)
# 定义2x2最大池化层，stride设置为1，padding设置为1
maxpool_layer = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)

# 应用最大池化层
output_tensor = maxpool_layer(input_tensor)

# 打印输出特征图
print("Input Tensor:")
print(input_tensor.squeeze(0))  # 移除batch维度以便更好地查看
print("Output Tensor:")
print(output_tensor.squeeze(0).squeeze(0))  # 移除batch维度和通道维度（因为是灰度图像），并展示结果

输出结果：