在 PyTorch 中，池化层（Pooling Layer）是卷积神经网络（CNN）中的重要组成部分，主要用于降维（减少计算量）和特征提取（增强平移不变性）。PyTorch 提供了多种池化操作，包括最大池化、平均池化、自适应池化等。以下是详细说明：
1. 最大池化（Max Pooling）
作用：提取局部区域的最大值，保留最显著的特征。
常用场景：图像分类、目标检测等。
(1) 二维最大池化（nn.MaxPool2d）
import torch.nn as nn# 定义一个 2x2 的最大池化层，步长 stride=2
max_pool = nn.MaxPool2d(kernel_size=2, # 池化窗口大小（可以是 int 或 tuple，如 (2,2)）stride=2, # 步长（默认等于 kernel_size）padding=0, # 填充（默认 0）dilation=1, # 空洞池化（默认 1）return_indices=False # 是否返回最大值的位置（用于 MaxUnpool2d）
)# 输入张量 (batch_size=1, channels=1, height=4, width=4)
x = torch.tensor([[[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]
]], dtype=torch.float32).unsqueeze(0) # shape: [1, 1, 4, 4]output = max_pool(x)
print(output)输出：
tensor([[[[ 6., 8.],[14., 16.]]]])计算过程：
-
池化窗口
2x2，步长2，无填充。 -
输出尺寸计算：
(2) 一维最大池化（nn.MaxPool1d）
适用于时序数据（如 NLP、语音）：
max_pool_1d = nn.MaxPool1d(kernel_size=2, stride=2)
x = torch.tensor([[[1, 2, 3, 4, 5, 6]]], dtype=torch.float32) # shape: [1, 1, 6]
output = max_pool_1d(x) # shape: [1, 1, 3]
print(output) # tensor([[[2., 4., 6.]]])
2. 平均池化（Average Pooling）
作用：计算局部区域的平均值，适用于平滑特征。
常用场景：图像分类、语义分割等。
(1) 二维平均池化（nn.AvgPool2d）
avg_pool = nn.AvgPool2d(kernel_size=2, stride=2)
x = torch.tensor([[[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]
]], dtype=torch.float32).unsqueeze(0) # shape: [1, 1, 4, 4]output = avg_pool(x)
print(output)输出：
tensor([[[[ 3.5, 5.5],[11.5, 13.5]]]])计算过程：
-
每个
2x2窗口取平均值：
(2) 全局平均池化（Global Average Pooling, nn.AdaptiveAvgPool2d）
常用于 CNN 最后一层，代替全连接层：
global_avg_pool = nn.AdaptiveAvgPool2d((1, 1)) # 输出固定为 1x1
x = torch.randn(1, 3, 32, 32) # 假设输入是 32x32 的 RGB 图像
output = global_avg_pool(x) # shape: [1, 3, 1, 1]
3. 其他池化操作
(1) 自适应池化（Adaptive Pooling）
作用：自动调整输出尺寸，适用于输入尺寸不固定的情况。
# 自适应最大池化，输出尺寸固定为 3x3
adaptive_max_pool = nn.AdaptiveMaxPool2d((3, 3))
x = torch.randn(1, 3, 128, 128) # 任意输入尺寸
output = adaptive_max_pool(x) # shape: [1, 3, 3, 3](2) 分数池化（Fractional Pooling）
PyTorch 不直接支持，但可通过 nn.functional.interpolate 实现类似效果。
4. 池化层 vs 卷积层
| 特性 | 池化层 (Pooling) | 卷积层 (Convolution) |
|---|---|---|
| 作用 | 降维、增强平移不变性 | 特征提取 |
| 可学习参数 | 无 | 有（权重和偏置） |
| 计算方式 | 取最大值/平均值 | 线性变换 + 非线性激活 |
| 输出尺寸 | 通常比输入小 | 可能比输入大（带 padding） |
5. 池化层的典型应用
class CNN(nn.Module):def __init__(self):super().__init__()self.conv1 = nn.Conv2d(3, 16, kernel_size=3, padding=1)self.pool1 = nn.MaxPool2d(2, 2) # 降维 2 倍self.conv2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)self.pool2 = nn.AdaptiveAvgPool2d((1, 1)) # 全局平均池化def forward(self, x):x = F.relu(self.conv1(x))x = self.pool1(x) # [B, 16, H/2, W/2]x = F.relu(self.conv2(x))x = self.pool2(x) # [B, 32, 1, 1]return x
6. 总结
-
最大池化（
MaxPool2d）：提取最显著特征，适用于分类任务。 -
平均池化（
AvgPool2d）：平滑特征，适用于回归或语义分割。 -
自适应池化（
AdaptiveAvgPool2d）：适用于输入尺寸不固定的情况。 -
全局平均池化（GAP）：常用于 CNN 最后一层，减少参数量。
