默认情况MaxPool2D下，填充设置为 0，并且ceil_mode也设置为False. 现在，如果我有一个大小的输入，7x7输出kernel=2,stride=2形状变为3x3，但是当我使用 时ceil_mode=True，它变为4x4，这是有道理的，因为（如果以下公式正确），因为7x7withoutput_shape将是3.5x3.5并且取决于ceil_mode它会是3x3or 4x4。
现在，我的问题是，如果ceil_mode=True，它会改变默认值padding吗？
如果是这样，那么它是如何添加填充的，即它是在左边还是右边添加填充，首先是向上还是向下？
Ceil_mode=True 更改填充。
在 ceil 模式的情况下，会在右侧和下方添加额外的列和行。（不是顶部也不是左侧）。它不需要是一个额外的列。这也取决于步幅值。我刚刚编写了小代码片段，您可以在其中检查填充值如何在任一模式下汇集。
在我找到上面引用的帖子之前，我对你的问题进行了同样的实验，似乎在池操作期间没有使用零填充，在我下面的示例中，零将是要采用的最大元素，但似乎并非如此。
test_tensor = torch.FloatTensor(2,7,7).random_(-10,-5)
print(test_tensor)
max_pool = nn.MaxPool2d(kernel_size=2, stride=2, ceil_mode=True)
print(max_pool(test_tensor))
max_pool = nn.MaxPool2d(kernel_size=2, stride=2, ceil_mode=False)
print(max_pool(test_tensor))
随机样本张量：
tensor([[[ -6., -9., -7., -10., -6., -8., -6.],
[-10., -10., -10., -6., -10., -9., -6.],
[-10., -7., -7., -8., -10., -10., -9.],
[ -8., -10., -10., -9., -9., -10., -9.],
[ -8., -6., -8., -6., -7., -7., -9.],
[-10., -8., -7., -10., -9., -6., -8.],
[-10., -6., -9., -10., -9., -9., -10.]],
[[-10., -8., -6., -10., -9., -6., -7.],
[ -7., -7., -10., -10., -6., -9., -7.],
[ -6., -10., -7., -8., -8., -10., -9.],
[ -8., -8., -6., -7., -6., -8., -6.],
[ -9., -8., -7., -10., -8., -8., -7.],
[-10., -10., -6., -9., -8., -8., -8.],
[-10., -6., -9., -9., -7., -9., -10.]]])
ceil_mode=真
tensor([[[ -6., -6., -6., -6.],
[ -7., -7., -9., -9.],
[ -6., -6., -6., -8.],
[ -6., -9., -9., -10.]],
[[ -7., -6., -6., -7.],
[ -6., -6., -6., -6.],
[ -8., -6., -8., -7.],
[ -6., -9., -7., -10.]]])
ceil_mode=假
tensor([[[-6., -6., -6.],
[-7., -7., -9.],
[-6., -6., -6.]],
[[-7., -6., -6.],
[-6., -6., -6.],
[-8., -6., -8.]]])