问题标签 [max-pooling]

我想知道当 CNN 中只有 2 个卷积层时使用 BatchNormalization 是否有问题。这会对分类性能产生不利影响吗？现在我指的不是训练时间，而是准确度？我的网络是否因不必要的层而过载？我想用一个小数据集训练网络。

非常感谢。

我正在研究tensorflow2，我正在尝试使用索引实现 Max unpool 以实现 SegNet。

当我运行它时，我遇到了以下问题。我正在定义 def MaxUnpool2D，然后在模型中调用它。我想问题是由于更新和掩码已经成形（无，H，W，ch）。

你能帮我解决这个问题吗？

我使用此代码使用 tensorflow 2 进行了简单的 KI 学习，一切正常。

我的问题是如何添加 Conv2d 和 MaxPooling2D 等检测层。我必须在哪里添加这些图层，这会影响我的绘图和预测吗？

我找到了以下关于使用 skimage 的“numpy”和“block_reduce”实现最大池的答案。但它没有显示如何获取最大值的索引（最好是相对于实际矩阵，而不是池化矩阵）。什么是计算速度最快的解决方案？

我在玩MaxPool2DinPyTorch并在设置时发现了奇怪的行为padding=1。这是我得到的：

代码：

出去：

测试 1、2、3很好，但测试 4很奇怪，我希望得到[[0 0], [0 0]]张量：

根据测试 3，使用了零填充，但测试 4产生了有争议的结果。

那是什么样的填充物（如果有的话）？为什么MaxPool2D会有这样的行为？

pytorch 1.3.1

在尝试 Theano 的 'pool_2d' 方法时，我收到错误“维数错误：预期为 4，形状为 (16, ) 的为 1”。代码如下。

这里错误的原因是什么？

我天真地尝试实现自己的池化和取消池化功能，以便在池化时保留索引，以便在取消池化时将值映射到索引。这是代码。

让以下模型作为复制错误的示例：

上面的代码输出以下错误：

这当然是由于事先不知道批量大小。我该如何解决这个问题？

我正在尝试将 maxpool2d（来自 torch.nn）应用于单个图像（而不是作为 maxpool 层）。这是我现在的代码：

问题是，这段代码给了我一个非常绿色的图像。我确信问题出在视图的尺寸上，但我无法找到如何将 maxpool 应用于仅一张图像，所以我无法修复它。我正在考虑的图像尺寸是 512x512。view 的论点现在对我来说毫无意义，它只是给出结果的唯一数字......

例如，如果我将 512,512 作为 view 的参数，则会收到以下错误：

如果有人能告诉我如何将 maxpool、avgpool 或 minpool 应用于图像并显示结果，我将非常感激！

谢谢 （：

我正在尝试实现一个处理大型输入文本的问答系统：所以想法是将大型输入文本拆分为 510 个标记的子序列，之后我将独立生成每个序列的表示并使用池化层生成输入序列的最终表示。

我将 CamemBERT 模型用于法语。

我尝试了以下代码：

由于我是 pyTorch 的初学者，我不确定代码是否应该是这样的。

如果您有任何建议或需要更多信息，请与我联系。

My question is very simple:

How can I reduce the dimension of a list or a tensor using max-pooling layer to 512 elements in the list:

I'm trying the following code:

But I get the following error:

So, please help to figure out where is the error